《Journal of Parkinson’s Disease》:Technology to remotely capture key elements of swallowing and speech: State of the science in Parkinson's disease
编辑推荐:
摘要专业翻译
吞咽和言语障碍在帕金森病(Parkinson's disease, PD)中十分常见,可显著影响患者的健康与生活质量。传统评估和管理这些功能的方法依赖于面对面就诊及大型昂贵设备,许多患者难以获得此类服务。近年来健康技术的进步为远程监测和评估提供了
摘要专业翻译
吞咽和言语障碍在帕金森病(Parkinson's disease, PD)中十分常见,可显著影响患者的健康与生活质量。传统评估和管理这些功能的方法依赖于面对面就诊及大型昂贵设备,许多患者难以获得此类服务。近年来健康技术的进步为远程监测和评估提供了新的机遇,能够实现对PD患者吞咽和言语缺陷的早期发现、个性化干预及纵向追踪。本综述综合了当前及新兴的、旨在远程捕捉PD患者吞咽和言语关键要素的技术证据。研究人员介绍了开发和使用可穿戴单模态及多模态传感器方法、生物反馈设备、基于智能手机的声学分析以及触觉提示技术的研究,这些技术旨在改善吞咽和言语的多个方面。此外,研究人员还探讨了人工智能在自动化信号处理和预测建模中的整合应用,并强调了验证研究和临床可行性。本文还讨论了与可用性、数据质量、依从性、数据安全和标准化相关的挑战,以及远程医疗驱动的护理模式所带来的机遇。通过识别技术创新和证据缺口,本综述为PD患者吞咽和言语远程评估的未来研究和临床实施提供了路线图。这些技术进步有望通过可扩展、非侵入性且以患者为中心的解决方案,改变护理模式、减轻医疗负担并改善患者结局,从而更好地管理PD患者的吞咽困难(dysphagia)和构音障碍(dysarthria)。
论文主体内容总结
引言
吞咽和言语是人类参与生活、促进成长与健康的基本功能,二者共享头颈部解剖和神经生理基础,依赖感觉和运动过程的精确协调。帕金森病(Parkinson's disease, PD)常损害这些共享机制,导致吞咽困难(dysphagia)和构音障碍(dysarthria)。研究显示PD患者中吞咽困难的患病率为80–90%,构音障碍高达89%。吞咽困难可涉及吞咽的口腔期和咽期损害,包括口腔清除能力下降、流涎增加、咽期反应延迟、吞咽时气道闭合减弱及咽部压力降低等。言语障碍通常被归类为运动减退型构音障碍(hypokinetic dysarthria),表现为音量降低、语调单一、气息声、发音不清和语速改变。若不及时干预,这些障碍可导致生活质量下降、吸入性肺炎风险增加、死亡率升高,以及社交孤立和心理困扰。传统评估方法依赖临床就诊、主观评分和笨重昂贵的设备。数字时代的最新进展,特别是远程医疗和可穿戴技术,为远程筛查、评估和治疗这些障碍开辟了前所未有的机遇。
捕捉PD患者吞咽的当前和新兴技术
吞咽筛查
传统吞咽筛查方法包括观察性工具,如吞咽障碍问卷、3盎司饮水试验、慕尼黑PD吞咽测试以及自主和反射性咳嗽测量。虽然部分研究报告这些工具具有足够的预测能力,但另一些研究显示其预测能力欠佳或表现不一,且这些工具在追踪吞咽随时间变化方面存在局限。为此,高科技可穿戴技术开始作为非侵入性和远程吞咽筛查方案出现。声学测量方法涉及在喉咽颈部区域放置接触式麦克风,记录吞咽声音并通过声学频谱图分析,常用特征包括吞咽声的波长、振幅和持续时间。早期研究使用自动非线性扩散滤波和分类方法,在PD患者中检测自发唾液吞咽的灵敏度约为87%。另一团队在吞咽障碍患者(包括PD患者)的仪器吞咽评估期间,在胸骨上切迹区域采集吞咽和呼吸声音,利用吞咽后呼吸信号的相空间表示来捕捉可能提示误吸的信号变化,并使用支持向量机(Support Vector Machine, SVM)分类模型将声音分类为高或低误吸风险,与仪器吞咽评估数据相比,该方法灵敏度达91%,特异度为85%。多模态信号整合近年来也逐步兴起,特别是机械-声学(mechano-acoustic, MA)测量。高分辨率颈部听诊(high-resolution cervical auscultation, HRCA)是MA测量的代表性示例,通过置于环状软骨上的接触式麦克风和三轴加速度计分别采集声学和振动信号。采用逻辑回归和决策树模型分析时,这些配对信号在区分PD患者与健康对照者吞咽普通液体时的异常吞咽方面显示出良好效果,准确率高达99%,灵敏度达100%。另一项MA测量创新是ADAM传感器,置于胸骨上切迹处,使用高频三轴加速度计持续监测整合吞咽和呼吸事件期间产生的声学振动,可生成呼吸-吞咽协调、呼吸频率、吞咽和咳嗽频率及相关震颤的语境化信号数据。在一项涉及轻至中度吞咽困难的PD患者初步研究中,基于卷积神经网络的ADAM传感器检测吞咽的灵敏度达89%,且在分类呼吸-吞咽协调阶段方面实现了100%的用户-传感器一致性。
吞咽评估
过去十年中,出现了若干旨在评估PD患者吞咽功能生理方面的远程技术和基于传感器的程序,主要包括表面肌电图(surface electromyography, sEMG)、多模态系统和磁传感器。sEMG传感器通常将电极置于咬肌、舌骨上肌群和/或舌骨下肌群区域,提供这些肌群表面电信号的洞察。传感器的小型化和便携化进展为远程评估肌肉活动创造了机会。初步研究已证明sEMG在PD患者有提示和无提示的液体吞咽任务中检测颏下肌群活动的可行性和有效性,且能够区分PD患者与健康对照者的吞咽肌肉收缩幅度,准确率高达77%。一项研究将sEMG和机械肌图(mechanomyography)可穿戴传感器信号与机器学习算法结合,监测连续吞咽运动,成功区分了健康参与者和PD患者的喉部运动。HRCA协议在视频荧光吞咽检查(videofluoroscopic swallow studies, VFSS)期间使用,最近与新型基于Transformer的神经网络结合,训练用于预测舌骨的生物力学运动,虽未在PD患者中专门研究,但显示出作为非侵入性方法的潜力。2015年,日本研究人员引入了一种可穿戴磁性设备,附着于颈部,通过测量两个磁线圈之间的距离和压电麦克风捕获的吞咽声音电压来检测喉部运动时机。该设备在21名PD患者和11名健康对照者中进行了液体吞咽测试,同时进行VFSS,可捕获吞咽的开始、结束和一些时间事件,但无法获得传统成像方法可提供的更精细细节。此外,研究人员还开发了使用现成智能手表惯性测量单元数据的应用程序,追踪进食时手腕运动,提供咬合次数、每次咬合时间等进餐行为特征,有助于远程监测进食和吞咽行为。
吞咽治疗
可穿戴技术在吞咽管理中最有前景的应用是远程监测和生物反馈康复。ADAM传感器在提供触觉生物反馈时,使PD患者的吞咽频率从每分钟0.77次增加到1.10次,增加了45%(p < 0.0001)。一项病例报告展示了ADAM传感器在呼吸-吞咽训练(Respiratory Swallow Training, RST)远程医疗试验中的非同步动态监测应用,传感器在患者日常活动中采集和传输数据4–5小时/天,使临床医生无需面对面观察即可分析患者对RST训练的泛化情况。可穿戴sEMG传感器放置在颏下区域,可在临床和家庭环境中提供生物反馈,帮助患者感知抽象的吞咽过程。近年来出现的两种此类技术包括Mobili-T设备和i-Phagia生物反馈系统,后者目前正在PD和卒中患者中进行随机临床试验。一项使用i-Phagia传感器的初步研究在14名PD患者中进行了单次生物反馈辅助会话,报告了患者对传感器和生物反馈组件的高满意度,以及吞咽时舌骨运动学的初步改善。另一种可在诊所、家庭和远程医疗中使用的技术是手持式压力阈值设备,通过呼气肌力量训练(Expiratory Muscle Strength Training, EMST)方案增强呼气肌力量,多项重复研究显示了EMST对PD患者气道健康的积极效果。一项近期创新研究了使用高海拔训练面罩(Elevation Training Mask, ETM)作为PD患者呼吸肌强化工具,11名PD患者完成了为期4周的渐进阻力方案后,在较稠稠度下咽部残留显著减少。与流涎相关的远程治疗创新也在涌现。CueBand是一种腕戴设备,配合智能手机应用提供触觉提示以提醒患者吞咽,目前正在大规模研究中测试。
捕捉PD患者言语的当前和新兴技术
言语筛查
言语语言病理学家传统上使用感知评级和声学测量来筛查与PD相关的运动减退型构音障碍。这些评级在区分有无言语障碍者及严重程度分类方面可靠,但部分指标在远程医疗中难以评估。许多研究探讨了使用言语信号(元音发音、句子朗读、连续言语)结合机器学习技术仅从言语中诊断PD。使用多种机器学习技术和言语指标,诊断的曲线下面积(area under the curve, AUC)值范围为0.83至0.90,灵敏度范围为0.73至0.96,特异度范围为0.73至0.93。当纳入言语以外领域的指标时,这些模型通常表现更好。然而,机器学习模型中使用的多维测量并未通过研究或理论与临床上认为的言语障碍领域相关联,因此这些构念难以用于理解个体患者的临床症状或所需治疗。此外,大多数研究未详细报告解释或驱动模型拟合的特征,也缺乏证据表明这些技术能够解决鉴别诊断这一更困难的问题——即将PD与其他表现类似PD的疾病(如多系统萎缩、进行性核上性麻痹或路易体病)区分开来。大多数研究使用为多种目的收集的数据集,参与者作为PD患者或健康对照者的状态通常基于自我报告,真实情况未知。且很少有算法在真实临床环境中经过测试。可解释的人工智能(explainable AI)模型以及前瞻性数据收集是推动这些技术影响临床护理所必需的。
言语评估
智能手机和平板电脑有潜力在临床环境或家中记录言语,因为65岁以上人群中有78%拥有智能手机。环境噪声会影响许多语音和言语声学测量,特别是与声压级/嗓音强度和基于频谱的测量相关的指标。一项近期研究报告了移动设备和实验室级技术之间的组内相关系数,显示基频(fundamental frequency, F0)、共振峰频率和倒谱峰值突出度(cepstral peak prominence, CPP)具有可接受的可靠性,但轮替运动速率(diadochokinetic rate)和规律性的可靠性不可接受。另一项研究检查了多种移动设备和麦克风的频率响应和声学数据,显示F0和微扰(jitter)具有可接受的可靠性,但振幅微扰(shimmer)、谐波噪声比、CPP和低/高比的可靠性较差。然而,一些研究表明从移动设备收集的信号中获得的声学测量与金标准实验室设备相关。自动化临床协议采集结合经过验证和可靠的多模态指标,将有助于临床医生追踪疾病进展中言语的变化。在Modality.AI系统中,对话式人工智能(AI)代理引导患者完成标准化的运动言语检查,并自动测量声学和面部运动学指标,这些自动化指标已被证明能够区分PD患者和健康对照者。通过Fox Insight平台收集的帕金森病患者问题报告(PD-PROP)数据,两项研究使用机器学习和自然语言处理方法将患者描述的症状分类为相似症状组。自动语音识别(automatic speech recognition, ASR)系统可能有助于评估言语产生和改善PD患者的沟通。一项使用Google Cloud ASR API的研究表明,AI ASR系统在确定PD患者朗读句子时所说的词语方面表现与人类听众相当,但AI转录器平均准确率周围的变异性显著更大,且句子长度增加导致AI对所说内容的估计准确率降低。言语无障碍项目(Speech Accessibility Project)旨在建立构音障碍患者(包括PD患者)的大规模声学录音数据库,以加速构音障碍言语的自动语音识别技术准确性。在PD患者数据上训练自动语音识别系统,与使用典型言语训练相比,将词错误率从37.62降至26.97。
言语治疗
传统上,PD患者尝试与言语语言病理学家进行行为改变以改善沟通,通常涉及学习在交流时更大声、更清晰或"有意图"地说话。可穿戴设备如智能手表和智能手机正被用于协助家庭治疗练习,并向临床医生提供练习和依从性数据,但这些系统仍处于非常早期阶段。便携式嗓音累积器(portable vocal accumulators)可测量一个人说话的时间量,用于确定一个人在治疗之外使用嗓音的频率和方式。一项研究表明,PD患者在日常生活中说话比年龄和性别匹配的对照参与者轻6–7分贝,且说话频率更低。行为治疗的一个困难是需要患者在日常生活交流环境中记住使用治疗技术。研究使用便携式嗓音累积器检测PD患者在日常交流中的嗓音强度,并在其低于临床医生设定的阈值时提供振动提示以促使患者大声说话。遗憾的是,振动触觉提示要么与患者嗓音强度增加无关,要么仅与约1.5分贝的小幅增加相关,且两项研究的样本量均较小(n = 6)。设备驱动的治疗也在增长。一种可穿戴设备在PD患者说话时向一只耳朵播放多人说话噪声,引发 Lombard效应——即在嘈杂环境中人们自然反射性地更大声、更清晰、更慢地说话。研究显示该设备立即导致大多数患者嗓音响度增加,在8周治疗期内保持增益,并随时间改善发音。使用该设备对PD患者来说比传统行为治疗在体力和脑力上更省力。该设备还可追踪用户佩戴设备说话的时间,监测设备使用依从性。近期言语治疗领域最大的技术增长在远程实践领域。大多数研究报告PD患者喜欢远程治疗,部分患者甚至更偏好远程治疗而非面对面治疗。一项研究中,109名PD患者接受了针对构音障碍的个性化远程治疗,与候补名单对照组(n = 105)相比,帕金森病问卷(PDQ-39)的沟通评分有显著改善,但总体PDQ-39评分无影响。几项研究证明LSVT LOUD行为治疗项目在远程实践中的效果与面对面治疗相当。然而,很少有其他治疗方法在远程实践中得到研究,这是临床医生正在实施远程实践但证据基础较小的关键需求领域。
言语和吞咽远程评估与治疗技术的局限性
尽管这些新技术令人兴奋,但需要考虑使用这些技术的背景。运动障碍学会(Movement Disorders Society, MDS)技术工作组强调,许多设备和平台已设计并旨在应用于临床护理,但这些系统如何相互交互或向临床医生或患者提供护理相关信息尚不明确。关键是需要开发开源平台,设备/软件/硬件设计应提供整合多种日常功能多模态数据的有效机制。目前没有数据质量或平台标准要求系统协同工作并确保提供给患者和医疗专业人员的数据质量。此外,PD患者通常超过60岁,这一人群可能在使用数字技术方面存在困难。一项研究表明,PD患者在使用数字技术方面的基本技能和知识以及导航技能低于年龄和性别匹配的健康对照者。非运动症状如轻度认知衰退、抑郁和冷漠,以及较低教育水平和较低社会经济地位,对PD患者的技术使用产生负面影响。随着疾病进展,PD患者的运动和认知症状恶化,将越来越难以管理小型设备和复杂技术。设备开发者应与PD患者及其照护者合作,创建支持患者独立使用设备的技术。此外,尽管数字健康技术取得了进展,吞咽评估仍依赖于VFSS和纤维内镜吞咽评估(Fiberoptic Endoscopic Evaluation of Swallowing, FEES)等仪器成像研究,这些仍是该领域的参考标准。远程技术提供有价值但不完整的信息,尚不能替代仪器评估进行明确诊断。目前,这些工具最好被视为互补性的,并整合到将远程评估与定期成像相结合的混合护理模式中。最后,在某些情况下,PD患者和临床医生改善生活质量和疾病管理的需求与可用技术之间存在不匹配。未来技术开发必须将患者和临床医生作为合作者纳入,以确保开发方向与人群需求一致。
未来方向与结论
当前和新兴的用于远程监测PD患者吞咽困难和构音障碍的技术将持续改进,并具有改变早期检测、持续评估和治疗选择的强大潜力。可穿戴设备的持续进展与多模态生物物理测量系统相结合,预计将大大提高评估准确性并支持在自然环境中长期使用。纳入详细的生物力学和神经生理学数据,以及追踪言语、吞咽运动和气道功能的新方法,可以提供全面的临床视角,且全部远程完成。此外,虚拟现实、增强现实和机器人技术的兴起可能通过提供沉浸式、交互式治疗和监测选项来改善吞咽和言语评估与康复。考虑到PD患者症状、严重程度和进展的巨大变异性,多模态技术对于个体化治疗的发展尤为重要。未来工作应优先开发一个更清晰、基于生物学的框架,将远程获取的数字信号(如声学、sEMG、机械-声学)与运动控制层级联系起来。然而,此类努力需要中枢神经系统控制言语和吞咽的更强大经验基础,当前证据不足以支持明确的映射。从肢体运动或非言语/吞咽神经控制推断到言语和吞咽控制是有限的,因为言语和吞咽主要依赖脑神经和皮质延髓系统,其生理和神经结构与通路不同于肢体。虽然这些创新前景广阔,但也带来伦理挑战。强调技术性能、生理有效性和临床效用的验证研究对于确保其按预期发挥作用并产生转化影响至关重要。配合可解释人工智能的持续进展,这项研究对于实现实时数据分析和个性化干预至关重要,且必须以合乎伦理的方式进行。在适当监督下,这些创新有潜力使远程评估和管理在治疗PD患者吞咽困难和构音障碍方面更加准确、可及、可靠和有效。