Bản tóm tắt: Các thuật toán học máy giúp các nhà nghiên cứu xác định các mẫu giọng nói ở trẻ em thuộc phổ tự kỷ nhất quán giữa các ngôn ngữ khác nhau.

nguồn: trường Đại học Northwestern

Một nghiên cứu mới do các nhà nghiên cứu của Đại học Northwestern dẫn đầu đã sử dụng máy học – một nhánh của trí tuệ nhân tạo – để xác định các mẫu giọng nói ở trẻ tự kỷ phù hợp giữa tiếng Anh và tiếng Quảng Đông, cho thấy rằng các đặc điểm giọng nói có thể là một công cụ hữu ích để chẩn đoán tình trạng này.

Được thực hiện với các cộng tác viên ở Hồng Kông, nghiên cứu đã mang lại những hiểu biết sâu sắc có thể giúp các nhà khoa học phân biệt giữa các yếu tố di truyền và môi trường hình thành khả năng giao tiếp của người tự kỷ, từ đó có thể giúp họ tìm hiểu thêm về nguồn gốc của bệnh và phát triển các phương pháp điều trị mới.

Trẻ tự kỷ thường nói chậm hơn so với trẻ đang phát triển bình thường, và chúng thể hiện những khác biệt khác về âm điệu, cao độ và nhịp điệu. Nhưng những khác biệt này (mà các nhà nghiên cứu gọi là “sự khác biệt ngẫu nhiên”) đã rất khó để mô tả một cách khách quan và nhất quán, và nguồn gốc của chúng vẫn không rõ ràng trong nhiều thập kỷ.

Tuy nhiên, một nhóm các nhà nghiên cứu dẫn đầu bởi các nhà khoa học Tây Bắc Molly Loach và Joseph C.Y. Lau, cùng với cộng tác viên Patrick Wong ở Hồng Kông và nhóm của ông, đã sử dụng thành công học máy có giám sát để xác định sự khác biệt về giọng nói liên quan đến chứng tự kỷ.

Dữ liệu được sử dụng để đào tạo thuật toán là các đoạn ghi âm của những nam thanh niên nói tiếng Anh và tiếng Quảng Đông có và không mắc chứng tự kỷ kể về phiên bản bảng phân cảnh của riêng họ trong một cuốn sách tranh dành cho trẻ em không lời có tên “Ếch, bạn ở đâu?”

Kết quả đã được công bố trên tạp chí CỘNG VỚI MỘT Vào ngày 8 tháng 6 năm 2022.

Loach, một Jo-Ann J. Peter F. Dolly là Giáo sư về Khuyết tật Học tập tại Đại học Northwestern.

“Nhưng cũng thú vị là phương sai mà chúng tôi quan sát được, có thể chỉ ra các đặc điểm giọng nói trôi chảy hơn, có khả năng là mục tiêu tốt để can thiệp.”

Lau nói thêm rằng việc sử dụng máy học để xác định các yếu tố chính của giọng nói dự đoán bệnh tự kỷ là một bước tiến quan trọng đối với các nhà nghiên cứu, những người đã bị hạn chế bởi sự thiên vị tiếng Anh trong nghiên cứu về chứng tự kỷ và tính chủ quan của con người khi phân loại sự khác biệt về giọng nói. giữa tự kỷ và không tự kỷ.

Lau, một nhà nghiên cứu sau tiến sĩ làm việc với Loach tại Roxlin và Richard Pepper, Khoa Khoa học Giao tiếp và Rối loạn tại Northwestern cho biết: “Sử dụng phương pháp này, chúng tôi có thể xác định các đặc điểm giọng nói có thể dự đoán chẩn đoán chứng tự kỷ.

“Điểm đáng chú ý nhất trong số các tính năng này là nhịp điệu. Chúng tôi hy vọng nghiên cứu này sẽ là cơ sở cho các nghiên cứu về chứng tự kỷ trong tương lai nhằm nâng cao khả năng học máy”.

Các nhà nghiên cứu tin rằng công trình của họ có khả năng góp phần nâng cao hiểu biết về chứng tự kỷ. Lau cho biết AI có tiềm năng giúp chẩn đoán tự kỷ dễ dàng hơn bằng cách giúp giảm gánh nặng cho các chuyên gia chăm sóc sức khỏe, giúp chẩn đoán tự kỷ dễ tiếp cận hơn với nhiều người hơn. Nó cũng có thể cung cấp một công cụ mà một ngày nào đó có thể vượt qua các nền văn hóa, nhờ khả năng của một máy tính để phân tích các từ và âm thanh một cách định lượng bất kể ngôn ngữ.

Loch cho biết, vì các tính năng của giọng nói được xác định thông qua máy học bao gồm cả các đặc điểm chung cho tiếng Anh, tiếng Quảng Đông và những đặc điểm cụ thể của một ngôn ngữ, nên máy học có thể hữu ích để phát triển các công cụ không chỉ xác định các khía cạnh của giọng nói phù hợp với các can thiệp điều trị mà còn đo lường tác động của những Can thiệp đó bằng cách đánh giá sự tiến bộ của người nói theo thời gian.

Cuối cùng, phát hiện của nghiên cứu có thể thông báo cho những nỗ lực xác định và hiểu vai trò của các gen cụ thể và cơ chế xử lý của não liên quan đến tính nhạy cảm di truyền đối với chứng tự kỷ, các tác giả cho biết. Cuối cùng, mục tiêu của họ là hình thành một bức tranh toàn diện hơn về các yếu tố tạo nên những người mắc chứng tự kỷ khác biệt về giọng nói.

Lau nói: “Một trong những mạng lưới liên quan đến não bộ là con đường thính giác ở cấp độ dưới vỏ, có liên quan mật thiết đến sự khác biệt về cách xử lý âm thanh giọng nói trong não của những người mắc chứng tự kỷ so với những người thường phát triển qua các nền văn hóa.

Bước tiếp theo sẽ là xác định xem liệu những khác biệt này trong quá trình xử lý trong não có dẫn đến các mẫu lời nói hành vi mà chúng ta quan sát được ở đây hay không và di truyền thần kinh cơ bản chúng. Chúng tôi rất vui mừng về những gì sắp tới. “

Xem thêm

Về tin tức nghiên cứu này cho AI và ASD

tác giả: Max Wittinsky
nguồn: trường Đại học Northwestern
Tiếp xúc: Max Wittinsky – Đại học Northwestern
hình ảnh: Hình ảnh thuộc phạm vi công cộng

tìm kiếm ban đầu: truy cập mở.
“Các mẫu đa ngôn ngữ về sự khác biệt trong lời nói trong bệnh tự kỷ: một nghiên cứu máy họcViết bởi Joseph C. Y. Lau et al. CỘNG VỚI MỘT

Bản tóm tắt

Các mẫu đa ngôn ngữ về sự khác biệt trong lời nói trong bệnh tự kỷ: một nghiên cứu máy học

Sự khác biệt trong trình bày giọng nói là một đặc điểm được quan sát rộng rãi của chứng rối loạn phổ tự kỷ (ASD). Tuy nhiên, vẫn chưa rõ sự khác biệt khuôn mẫu về ASD giữa các ngôn ngữ khác nhau cho thấy sự khác biệt giữa các ngôn ngữ trong cách trình bày.

Bằng cách sử dụng phương pháp học máy có giám sát, chúng tôi đã kiểm tra các đặc điểm giọng hát liên quan đến các khía cạnh nhịp điệu và âm sắc của các buổi biểu diễn lấy từ các mẫu tường thuật thu được bằng tiếng Anh và tiếng Quảng Đông, hai ngôn ngữ thường khác biệt và nhiều đoạn.

Các mô hình của chúng tôi đã tiết lộ một phân loại chẩn đoán ASD thành công bằng cách sử dụng các đặc điểm tương đối của nhịp điệu trong và trên cả hai ngôn ngữ. Việc phân loại với các đặc điểm liên quan đến ngữ điệu là quan trọng đối với tiếng Anh nhưng không phải tiếng Quảng Đông.

Phát hiện làm nổi bật sự khác biệt về nhịp độ như một đặc điểm chính của từng giai đoạn bị ảnh hưởng bởi chứng tự kỷ, và cũng minh họa sự đa dạng quan trọng của các đặc điểm chung khác dường như được định hình bởi sự khác biệt về ngôn ngữ cụ thể, chẳng hạn như ngữ điệu.