通过语言特征实现神经系统退行性疾病的早期甄别

一.核心技术

通过对确诊患者的语言进行量化分析，归纳总结各项特征及指标，形成科学的评定标准并应用到对潜在患者的监测中，从而达到对疾病进行早期甄别的目的。项目前期将人工采集患者的语言学信息进行分析整理，后期结合人工智能技术开发数字化的疾病预测平台。

二.国外发展现状与趋势

根据国务院数据，我国将于2022年左右步入老龄化社会，2050年老年人口将占我国总人口约三分之一；而世界卫生组织预计，2030年老年疾病患病率至少增加40%。目前在我国，神经系统退行性疾病的确诊极度依赖经验丰富的医生，借以专业医学仪器的辅助，通过病史收集、医学影像、血液采检、行为观察、认知测评等方法对潜在患者进行逐项评估。但由于经济及社会文化因素，患者前往正规医院的主动就诊率仅占50% 左右。此外，退行病早期病症难以被患者或亲友察觉，常导致初诊时间延后，不幸延误最佳治疗时机。

近年来，通讯科技和人工智能飞速发展，正值新冠疫情的影响，全球各国正大力推行数字化医疗体系：通过各种电子通讯科技实现远程和自助式医疗，让大部分原本需要到医院才能完成的疾病诊断、疗效跟踪、日常护理等步骤在家中就能由患者和家人按指示自行完成。因此，本项目作为数字化医疗的一部分，旨在为我国基数庞大的中老年群体提供关注与服务，有着不容小觑的市场需求和市场容量。

本项目将全面涵盖2B服务和2C产品：服务面向医疗机构和科研机构，为其研究和治疗提供理论依据和技术支持；产品包括手机应用和在线测试，为用户提供方便快捷，准确度高，价格低廉的早期筛选测试。

三.技术规格及性能指标

1. 通过图片描述、故事叙述、一对一采访三种方式，采用脑电、核磁、声学、眼动、视频等多模态技术手段，收集退行病确诊患者以及同年龄健康志愿者的语言数据； 

2. 将收集到的语料数据根据患者的疾病类型、临床表现、严重程度、正在接受的治疗四项条件进行归类分组；

3. 与健康对照组比较，对不同的疾病特征组别进行语音学、音系学、语义学、句法学、语用学五大层面定量分析，形成量化指标；

4. 在另一批确诊病人中验证所得量化指标并做出调整，提高准确度；

5. 结合手机软件开发技术，设计基于语言采集的家庭式疾病预测软件，并与医疗机构合作，提供在线数据分析，针对高风险人群提出进一步诊断治疗建议方案；

6.  通过该平台，继续收集更多用户的语言及疾病信息，从而实现个人长期健康跟踪，优化预测指标，并收集用于科研目的的疾病语言学一手数据。