阿尔茨海默病临床综合症和健康对照组自发语言的可区分特征

越来越多的证据表明，自发语言中细微变化可能反映认知功能的早期病理变化。近期研究发现，自发语言的词汇-语义特征可以预测轻度认知障碍（MCI）个体的认知功能障碍。本研究评估了Ostrand和Gunstad（OG）的词汇-语义特征是否同样可以预测阿尔茨海默病临床综合症（ACS）个体及健康对照组的认知状态。本样本还探索了四个在语言处理研究中被认为很重要的（新）语言指标，以扩展先前的研究。我们分析了来自81名ACS个体（平均年龄 = 72.7岁，标准差 = 8.80，70.4%女性）和61名健康对照（HC）（平均年龄 = 63.9岁，标准差 = 8.52，62.3%女性）的Cookie Theft Task的语言转录。随机森林和逻辑机学习技术研究了个体级别的词汇-语义特征是否可以用于准确区分ACS与HC。结果显示，使用新词汇-语义特征的逻辑模型获得了良好的分类准确率（78.4%），但OG特征在各种机器学习模型类型中更成功。在敏感性和特异性方面，基于OG特征训练的随机森林模型表现最为平衡。本研究的结果表明，用于预测MCI的自发语言特征也可能区分ACS个体与健康对照组。未来的研究应在临床前人群中评估这些词汇-语义特征，以进一步探索通过语言分析辅助早期检测的潜力。