通过语言特征实现神经系统退行性疾病的早期甄别

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。