您的声音至关重要：利用言语监测亨廷顿舞蹈症

目前，HD 的疾病进展主要通过临床医生评分测试、神经影像学以及血液或脑脊液测量来监测。但来自法国的一组研究人员最近开发了一种自动化设备，通过分析一个人在执行简单计数任务时的言语，来评估 HD 的进展情况。

值得注意的是，言语产生的测量指标可以准确预测 HD 患者的临床评估结果，并成功追踪随时间的变化。这些发现表明，语音分析可能是一种极具前景的、非侵入性的、真实世界的疾病进展追踪工具。此类工具终有一天能让 HD 患者使用智能手机监测自己的病情，从而减少频繁就医的需求，降低医疗成本，并帮助医生提供更个性化的护理。

每个人的声音都是独一无二的

我们的声音是个人的特征——没有哪两个人的声音是完全一样的。有些声音辨识度极高。在手机和来电显示出现之前的时代，读者们一定记得拿起座机就能听出电话那头朋友的声音。年轻的读者可能会认出动画角色背后的偶像演员，或者收音机里泰勒·斯威夫特（Taylor Swift）悦耳的声音。许多因素造就了每个人独特的嗓音。这些因素包括声带的形状，喉咙、口腔、舌头和鼻窦腔的大小，以及声音在个人头部和颈部的回响方式。您的说话方式还会受到年龄、健康状况、地方口音和个人谈话风格的影响。

为什么人类会说话，而动物不会？

很高兴您问这个问题。我们所知的人类声音就像一件管乐器，主要依靠三个要素：声音、共鸣和构音。声音来自声带。您的声带是位于喉部（俗称“喉头”，位于颈部中间）内的两条灵活的、呈 V 字形的肌肉组织和黏膜带。在正常呼吸期间，您的声带保持完全开放，以便空气进入肺部。但当您说话时，大脑会向喉部肌肉发出信号，将声带拉闭，使其振动，从而产生声音的声波。这些声音经过共鸣器（喉咙、口腔和鼻腔）的修饰，产生了个人具有辨识度的声音。最后，舌头、软腭和嘴唇被认为是构音器官，它们修饰发出的声音，对于区分元音和辅音至关重要。

哺乳动物、爬行动物甚至两栖动物都拥有与人类相似的声带解剖结构。这些动物通过叫声、吼叫或尖叫等噪音和声音相互交流，但只有人类能说出词汇。这是由于人类对喉头、舌头和嘴唇具有直接的神经控制，且大脑中拥有专门的皮层区域，可以让我们有意识地控制声音，而不是发出本能的噪音。研究人员通过研究这些神经连接，来了解大脑如何控制言语和语言，以及在疾病状态下这些功能是如何出现问题的。

HD 中的言语并发症

说话涉及复杂的运动能力、认知控制和多层面的规划，因此，几十年来在有症状的 HD 患者中记录到言语困难也就不足为奇了。早期研究表明，与健康对照组相比，HD 患者的说话速度较慢，说出单词所需的时间更长，且单词之间和单词内部的停顿更久。具体变化还包括音调升高或声音沙哑，以及舌头和嘴唇的协调性降低，使得构音更加困难。有趣的是，一些报告还表明，言语缺陷可能出现在首个明显的运动症状发作之前。因此，人们认为追踪言语变化可能是疾病发作和进展的有价值的标志物。

您的声音作为生物标志物

“生物标志物”或生物指标，正式定义为一种可以被客观量化和评估的特征，作为正常生物过程、疾病状态或对干预反应的指标。简单来说，它是您可以切实测量并提供有关体内因疾病或对治疗反应而发生的情况的信息。生物标志物在 HD 护理和药物开发的多个方面发挥着至关重要的作用。重要的是，它们可用于评估疾病发作、监测疾病进展或确定新疗法的效果。目前，HD 最常见的生物标志物包括可以在脑脊液中测量的蛋白质（即神经丝轻链 [NfL] 和亨廷顿蛋白 [HTT]），或确定脑容量的脑成像生物标志物（如磁共振成像 [MRI]）。

但是，与其进行侵入性的腰椎穿刺或昂贵的神经影像检查，如果能有一种简单、非侵入性的方式来定期（且可能是远程地）追踪疾病症状或临床试验药物的效果，那不是很好吗？最近的研究表明，这可能是可行的！

通过简短的言语测试预测临床评分

HD 患者对神经内科医生的标准访问将涉及对运动、认知和功能表现的广泛评估。根据这些临床评分，临床医生开发了综合统一亨廷顿舞蹈症评定量表 (cUHDRS)，该量表将运动、认知和功能症状的特征结合为一个单一单位。cUHDRS 是追踪 HD 进展的广泛认可的方法，通常用作 HD 临床试验的终点。但与任何追踪 HD 的测试一样，它也有缺点：这种评估通常每年只进行一次，其设计无法非常灵敏地捕捉变化，且结果可能因评估人员的不同而有所差异。毕竟，HD 是极其复杂的。

在 2022 年发表的前沿研究中，由 Anne-Catherine Bachoud-Lévi 领导的团队从三个法国前瞻性队列中招募了 181 名 HD 基因携带者，以提供简单的言语录音。这些录音涉及在 45 秒内正向和反向朗读数字 1-20。倒数实际上要困难得多，涉及更多的执行功能、专注力和注意力，因此这是该研究的一个重要补充。结果显示，某些言语特征可以预测 cUHDRS 衡量的主要临床症状。此外，MRI 成像数据表明，言语功能的恶化似乎与纹状体（大脑中受 HD 影响最严重的部位）的损伤相一致。

新研究显示了什么

在之前研究的基础上，Bachoud-Lévi 的团队最近开发了一种名为 xHD-Vox 的工具（x 代表可解释性 eXplainable，HD 代表亨廷顿舞蹈症，Vox 代表语音），用于追踪和分析语音录音。他们首先使用“Whisper”实现了语音录音的自动化，这是一种自动语音识别系统——没错，就是人工智能 (AI)。Whisper 是由开发 ChatGPT 的同一家公司 OpenAI 创建的。

与任何基于 AI 的工具一样，xHD-Vox 必须经过数据和人类指令的编程与训练。在这种情况下，言语治疗师听取了 HD 患者正向和反向朗读 1-20 的语音录音，手动标记或标注了他们的言语和声音特征。Bachoud-Lévi 的团队利用这些数据训练 xHD-Vox 识别和分类言语特征，xHD-Vox 提取了一系列重要特征。这包括构音和声音方面的缺陷、计数节奏和速度的变化，以及停顿、添加额外声音和数字序列错误。所以基本上，他们是在教计算机设备对患者的语音录音进行评分和评估，而无需人工评估员。

作者随后证明，计算机评分的语音特征与临床测试的表现密切相关，特别是金标准 cUHDRS，这使其本质上成为一种数字“生物标志物”。这是至关重要的一步，因为它让作者更有信心，相信这种语音测试能够准确反映潜在的 HD 生物学状况。

在研究的下一部分中，研究人员测试了 xHD-Vox 在 2 年时间内追踪 HD 进展的效果。他们发现，xHD-Vox 预测 HD 症状下降的方式与临床医生使用临床评分预测的方式相似。这项研究中一个非常令人兴奋的部分是，他们的模型可以应用到移动应用程序中，这些程序可以在个人的智能手机上使用，以便随时间远程监测自己的声音。

接下来的步骤是什么？

以这种方式使用人工智能是开创性的。然而，xHD-Vox 尚未完全进入成熟应用阶段。在考虑广泛使用之前，在更多的 HD 患者群体中测试 xHD-Vox 并使用手机测试真实世界的语音录音将非常重要。考虑到这一点，研究人员已经开发了 xHD-Vox 的 Android 原型，以探索其在移动部署和远程监测方面的潜力。这还不是您能在应用商店找到的东西，但目前正在进行实验性测试。

此外，该设备还需要在英语以外的其他语言中进行测试。真正有效的生物标志物需要具有全球可及性。目前只有一项针对 HD 的多语言语音分析研究（Fahed 等人），该研究侧重于阅读任务，结果显示阅读特征具有语言依赖性。由于 Whisper 支持 96 种语言，研究人员认为将 xHD-Vox 适配到新语言将是简单且高效的，因为它涉及的是朗读数字而非阅读单词。

尽管如此，这项工作代表了 HD 监测远程医疗迈出的重要一步，具有检测疾病进展的潜力。这在医疗资源有限的地区或农村社区可能尤为重要。

总结：

• 人类言语依赖于大脑、声带、舌头和嘴唇之间的精确协调。
• 科学家研究这些连接，以了解大脑如何产生言语，以及这一过程在 HD 等疾病中是如何发生变化的。
• HD 患者说话速度可能较慢，停顿更频繁，或在协调清晰言语所需的声音方面存在困难。
• 研究人员开发了 xHD-Vox，这是一种人工智能驱动的工具，可在简单的计数任务中分析言语。
• xHD-Vox 测量的言语特征反映了临床评估结果，并追踪了两年内 HD 的变化。
• 随着进一步的测试，语音分析可以提供一种简单、非侵入性的远程监测 HD 的方式。