黄立鹤王晶李云霞:阿尔茨海默病言语障碍表现及相关神经心理学量表编制问题

同济大学副教授,主要研究方向为多模态语用学、老龄化与老年语言学研究。

王晶

同济大学硕士研究生,主要研究方向为老年语言学。

李云霞

黄立鹤1、2,王晶2,李云霞1、3

(1.同济大学老龄语言与看护研究中心上海200092;

2.同济大学外国语学院上海200092;

3.同济大学附属同济医院上海200065)

提要

关键词

引言

一、AD患者言语障碍表现

本文首先将分别根据言语障碍表现的4个层级(语音-音系层面、句法-语法层面、词汇-语义层面和篇章-语用层面)对AD患者的语言特征做介绍。

(一)

语音-音系层的言语障碍表现

尽管不少研究表明AD患者的语音产出能力在早期没有显著损伤(Crootetal.2000),但在中后期,患者在这方面会有简化与退化。目前对语音项评估多采用患者的自发性语言语料,任务态也由单一的看图说话扩展到朗读等其他方面。

目前对于语音特征提取也经历了从人工到智能的变化,各项研究正不断为计算机辅助诊断提供基础数据,但对AD患者韵律特征(如语调、字调、音高、音强等)等方面的研究尚需加强。这一方面研究的不足既与量表采集语音数据存在局限性有关,也有大规模韵律特征人工分析难度较大等原因。

(二)

句法-语法层的言语障碍表现

AD患者在不同病程中的句法能力改变有所不同,一般认为病程前期句法-语法能力保留,但在后期会有所损伤(Roarketal.2011)。

Altmannetal.(2001)在判断AD患者对语法功能词能否正确使用时,发现患者最常出现的错误是缺失所需的功能词(主要是助动词、指示词和代词),同时还会出现一系列介词误用、不及物动词与反身代词误用等问题;英语为母语的AD患者还会出现大量屈折变化的错误。患者与正常组对比,对于第三人称单数和过去时规则变化等的标记不再敏感或不能选择恰当的屈折标记(Sajjadietal.2012);AD患者在平均句子长度和动词词组运用上都低于正常对照组(Fraseretal.2016)。

Orimayeetal.(2017)对99例AD疑似患者看图说话“偷饼干(cookie-theft)”的语料研究发现,AD患者会使用更少的句法成分,包括并列句、主从句、省略句等,且述位结构简单,出现更多词汇重复、语法更正、错误修订现象。该研究对句法和词汇特征集做了析出,提取了20余种特征,发现AD组辨别与理解物体的能力明显低于正常组,这与Ahmedetal.(2008)在轻度认知障碍患者中的发现吻合。研究同时提出了预测AD最佳的机器学习模型应结合语言的句法、词汇和n-元结构等多方面特征(deLiraetal.2011)。

为了探索AD患者句法能力的退化,以上各项研究都设计了针对性的任务。句法-语法层面的表征具有隐蔽性,再加上汉语语法的隐性特征,目前国内少有研究涉及这一层面。今后国内研究可考虑对患者句法进行n-gram分析,尝试找到更多预判标志。

(三)

词汇-语义层的言语障碍表现

从语义层面上看,AD患者的凸显言语障碍主要集中在词汇上。最常见的障碍是命名不能和语义流畅性受损(Appelletal.1982;Baylesetal.1987)。

患者在命名与语义流畅性方面的障碍迫使其使用其他词语策略达成交际目的,因此AD患者更多使用依赖语境的指示词,包括人称代词、地点副词等(Marchetal.2006),刘建鹏等(2017)基于语料库TalkBank研究AD患者的话语正式度时也得出了相似结论。不仅如此,基于患者的词性研究(Jarroldetal.2014),如通过对名词-动词比、代词-名词比、动词频率统计后发现,AD患者更多使用代词,较少使用名词,对复杂名词也会使用常用动词代替,且语言重复性强、词汇丰富性低。与正常老年组对比,还会出现杜撰词和找错词现象(刘红艳2014)。

综上来看,对于患者语义能力的评估,既可采用连续性自发语言,又可以使用量表的单独项考察,可操作性强且表现明显,因此在大多数量表中都涉及该内容。但我们应看到语义执行能力与记忆力的紧密关系,AD患者语义能力的下降是记忆障碍影响还是语言功能区自身的问题仍待讨论。

(四)

篇章-语用层的言语障碍表现

二、现有检测量表语言项编制一览表

本研究结合2010年欧洲神经病协会联盟推荐的AD量表,综合考虑各量表的特异性和敏感性,对部分筛查量表、总体认知功能评定量表及语言专项量表的语言能力检测条目进行了析出,并逐条分析其评估的语言维度。其中筛查量表包括:简明精神状态量表(MMSE)、蒙特利尔认知评估量表(基础版)(MoCA-B)、Mattis痴呆评定量表(DRS);总体认知功能评定量表包括:阿尔茨海默病评估量表认知评分(ADAS-cog)、严重损害量表(SIB)、临床痴呆评定量表(CDR);语言专项神经心理学量表包括:波士顿命名测试(BNT)、言语流畅性测验(VFT)、西方失语成套检验(WAB)和汉语失语成套测验(ABC)。

(点击图片可手动放大查看)

三、AD患者言语障碍的理据推断、语言能力的多维性及其与认知量表评估的匹配缺失

AD患者言语障碍的理据推断

又如,语义系统的退化是一个逐步的过程。在AD早期,患者对于各类词汇的语义特征掌握能力几乎未被累及,因此命名尚未成为突出病征,且其他相似性、下定义等任务的表现也与正常组无异。但随着病情加重,命名任务中出现质的变化,如患者误用并列词“苹果”表达“梨”,或上义词“水果”表达“梨”等,这反映了此时的言语障碍是多项认知能力与底层语义/概念系统损伤共同作用的结果。

工作记忆影响着大脑在认知与加工时的精力分配,当荷载超过工作记忆容量时,人们会倾向于选择加工较简单的认知任务。如一位AD晚期患者能在复述时自动纠正语音错误,却对语义错误无动于衷(Whitaker1976)。在语篇层面上,要维系话语连贯所需要的认知网络更加复杂,需要调动更大的工作记忆和远期语义网络(赵俊海,龙惠慧2014),这二者似乎在AD患者身上都有累及,因此未来的研究有必要将工作记忆与底层的语义记忆两种因素分离,深入探寻病患言语障碍表现的根本原因。

总的来说,尽管学术界一直以来都想明确AD患者言语障碍的根本原因,但似乎答案并不明确,这既显示了高级认知功能的复杂性,也说明对阿尔茨海默病接受性语言功能研究方面仍然大有作为。值得注意的是,虽然短期记忆损害是AD患者最早出现也是最显著的认知障碍表现,但并不应简单将此作为语言损伤的全部深层原因,AD患者的语言能力损伤更大程度上是综合认知功能受损的结果。已有研究表明不同脑区对语言能力有不同贡献(Harastyetal.1999;Gorno-Tempinietal.2004;Fraseretal.2016),例如句法和音系功能受额顶叶控制,而语义能力则由颞叶控制,因此不同分区产生不同网络,不同网络影响不同功能,研究有必要从不同功能入手,将语言分为不同层级,再由表面现象出发,逐层深入探索损伤机制。

语言能力的多维性与认知量表评估的匹配缺失

从任务设置形式上说,某些量表中的任务项(如语音重复与句子复述)有过于显性的记忆能力考查,此种形式会造成患者自尊感降低,引发挫败感,从而不利于病患情绪健康。多名学者已提出应适当将记忆考查隐性化(Snyder2006;Basting2006;Kontos2006),Snyder(2006)还提到以互助小组的形式让病患之间互相交流,使其能够脱离世俗偏见,从而获取更真实的言语数据。

从数据类型上说,目前神经心理学量表筛查与评测主要评估患者对单个词汇的加工,却忽视了患者连续言语所包含的信息。在以上所列量表中仅有语言专项类量表如Boston命名、WAB等设置了图片描述或故事讲述类任务。但已有研究得出结论,以连续言语区分AD患者具有可参考的特异性(Drummondetal.2015;Fraseretal.2016)。

语言处理并不仅依靠记忆力,语法和句子的生成都依赖于语言具有创造性的区别性特征。我们在语言感知与产出时也不会像解码与编码一样简单。实际上,在产出时,我们进入所记忆的词汇库中寻找恰当的词语,接着使用语法规则构建新句子,再以对应的语音表达,而认知机制的作用在于在词语与句子、句子与语音之间搭起桥梁。然而目前量表常用的命名和语义流畅性测试中,主要考察词汇提取这第一步,这意味着对于记忆力的考察远大于对语言能力的考量。尽管这两类测验能在一定程度上反映语义对应的能力,但对于语言能力的全面评估远不能胜任。未来全面掌握患者的语言能力,需要考察不同的认知机制在语言产出中的作用,即从语言的不同维度分别测量。

四、正常老龄言语表现常模的建立及多模态数据的必要性

正常老龄言语表现常模的建立

融合现有认知障碍评估量表的语言指标与日常行为观测指标,基于多模态语料库技术与模式识别技术,在建设一定体量的多模态数据库基础上,构建汉语为母语的正常老年人言语行为常模是眼下的当务之急。正常老龄言语表现常模的建立将为临床认知障碍评估提供常模对比的基础数据,提升认知症老年人评估及诊断的准确性,其意义如下:

构建汉语为母语的正常老年人言语行为常模是语言蚀失研究的基础。

1

目前,世界上缺乏大规模的老年人言语行为多模态数据库,认知障碍评估也没有明确的参照常模,评估的主观性较强。这些都不利于认知障碍人群的诊断与研究。因此,构建汉语为母语的正常老年人言语行为常模是开展语言蚀失研究的基础,也为临床诊断提供参照。

2

对比数据库可为AD老年人语言蚀失研究提供基础数据。

3

基于多模态语料库的语言蚀失研究相对鲜见,构建数据类型丰富的语料库有助于为其他各类语言蚀失现象的研究提供重要语料,可为考察大脑在生命周期中的变化过程提供多层次的语言学观测数据,因而具有较好的拓展性应用价值。目前国内对AD患者言语特征的研究多采用TalkBank英文语料库(赵俊海2012;刘建鹏,赵俊海,杜惠芳2017),或跟踪少数患者建立个体语料库(刘红艳2014),汉语常模语料库的建立能为未来我国AD言语障碍研究提供新角度,开拓新思路。

采用多模态数据的必要性

患者言之无物,并非代表他们丧失了自我意识。Merleau-Ponty(1964)很早就提出:交流存在于身体对各种姿势的控制力上。因此多模态数据起到至关重要的作用,丧失沟通能力的患者将更多借助语调、面部表情甚至肌肉记忆来表现情感。特别在语用层面上,语用障碍存在多模态代偿现象(Perkins2007)。例如,当AD患者语用交际中的多模态互动发生异常,实施言语行为的话语量减少、借助体貌或动作等手段进行多模态代偿的情况增多。

事实上,在面向临床的语言评估中,一些学者已经将非言语特征纳入了评估范畴(Prutting&Kittchner1987)。他们认识到,多模态数据还可为医学神经内科的疾病预判、病程管理提供多维度数据。采集多模态数据、建设多模态语料库,大致分为语料采集-语料加工-特征提取三大步骤:

(1)语料采集。可借助高龄社区队列研究的契机,以话题访谈及交际任务等为采集内容;采集音视频等多模态数据后,匹配认知评估结果与其他临床诊断标签,采用自上而下立体式与左右平行式(记录非言语行为信息)结合的格式转写语料。

(2)语料加工。建立老年人语用能力蚀失指标体系,例如,可以言语行为作为基本单位,确立指标体系及相应标注层,包括话语层、韵律层、行为层、心理层、语境层;结合之前的语言能力指标备选条目,建成常模或病患多模态库。

(3)特征提取。基于上述人工标注后的正常及AD老年人多模态语料库,对多模态数据进行深度加工,综合人工专家意见条目遴选与基于模式识别的特征自动提取;初步探索面向AD检测的语音预处理与声学特征、面部表情特征提取及识别方法,基于分类模型生成最终特征值,集合人工专家意见确定常模的基本指标体系。

多模态数据不仅为认知障碍评估提供了基线,更增加了AD早期筛查的数据形式和检测维度,能够较为全面地为诊断提供参考。当然,基于语料库的语言蚀失研究正逐步兴起,未来能够更全面地揭示语言蚀失过程的数据不应仅局限于音频与转写文字。

五、未来量表优化展望

言语表现作为显著的外显特征能反映AD疾病的神经心理变化,这就意味着我们应该重视语言本体范畴的多维方面,维度涉及越多,对于疾病的生理变化就掌握越多的信息,从而能够提供更加合理、可靠的临床参考。通过对表层症状的汇总,不仅可为目前临床诊断提供参考标志物,更能推动人工智能在AD诊疗上的应用。

最后,多数认知症,尤其是阿尔茨海默病作为慢性疾病,需要长期的随访监测,只有建立起大型人群队列研究,将常规监测渠道和定向监测渠道收集的资料进行相互比较验证,才能够不断掌握患者的病理进程,不断更新特征数据,从而为量表设计、疾病预判提供良好的数据支撑。

注释

[1]“认知症(Dementia)”医学标准命名为“痴呆综合征”,俗称痴呆症。但考虑到患者自尊及家属接受度等伦理因素,首都医科大学宣武医院贾建平主任医师在2016年建议将“痴呆症”改为“认知症”,本文采用该名称。也有其他学者称为“智退症”或“失智症”。

[2]需要强调的是,筛查并不等于诊断,AD诊断仍要结合脑成像、血样本等其他检测作为临床标准。参考《2018中国痴呆与认知障碍诊治指南》。

THE END
1.unit单词快闪课件2024Welcome+Unit高中英语人教版(2019)必修第一册+ 热度: 页数:22 Welcome+unit单词讲解 高中英语人教版必修第一册 热度: 页数:48 Welcome+Unit+Reading+for+Writing+课件-2023-2024学年高中英语人教版(2019)必修第一册 热度: 页数:16 Welcome+Unit+词汇 高中英语人教版(2019)必修第一册 热度: 页数:31https://www.docin.com/touch_new/preview_new.do?id=4774112466
2.全国通用版人教版高中英语必修一WelcomeUnit易错知识点总结(每日一练)全国通用版人教版高中英语必修一WelcomeUnit易错知识点总结 单选题1、Manyoldpeopleholdahttps://bbs.pinggu.org/thread-13239974-1-1.html
3.英语听说教学新模式12篇(全文)[1]曾卓.建构主义教学理论与多媒体网络英语听力教学. [2]李敏玲.利用网络技术对中学英语口语教学的初步尝试. [3]周巧玲.中小学外语教学[M].人民教育出版社, 2003 (3) . 英语听说课教学模式 第2篇 一、明确话题,呈现目标词汇。 二、词汇训练,巩固强化。 https://www.99xueshu.com/w/ikeyjp5cjxt5.html
4.机器学习(ML)深度学习(DL)和图像处理(opencv)专用英语词典cnn,卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。[1] 它包括卷积层(alternating convolutional layer)和池层(pooling layer)。 CNTK(Computational Network Toolkit)是微软出品的开源深度学习工具包。 https://blog.csdn.net/wyx100/article/details/74635853
5.(人教PEP2024版)英语三年级上册Unit5大单元教学设计(新教材内容提供方:有点 大小:2.37 MB 字数:约2.6万字 发布时间:2024-09-20发布于湖南 浏览人气:173 下载次数:仅上传者可见 收藏次数:1 需要金币:*** 金币 (10金币=人民币1元)(人教PEP2024版)英语三年级上册 Unit5 大单元教学设计(新教材).docx 关闭预览 想预览更多内容,点击免费在线预览全文 免费https://m.book118.com/html/2024/0918/6042011031010223.shtm
6.www.liweihb.com/aplpage98311.html潍柴全系列混合动力产品功率覆盖80kW-500kW,支持柴油、天然气、甲醇等多种燃料,相比同行业同排量产品功率提升25%,每方公里油耗节省35%-50%,展现了强大的燃料灵活性和经济性;采用高效区分燃烧、低阻空气系统及降摩擦技术,降低油耗6.7%;通过多目标磁路优化、高效区定向设计及载频控制,持续降低电耗2%-3%;结合多模态+https://www.liweihb.com/aplpage98311.html
7.大语言模型机器学习一、选择题 1. 以下哪项不是大型语言模型的主要训练方法? A. 监督学习 B. 无监督学习 C. 强化学习 D. 生成对抗网络 2. 在机器学习中,以下哪种算法不涉及对数据进行特征工程? A. 线性回归 B. 决策树 C. 支持向量机 D. 自动编码器 3. 以下哪种技术可以提高模型的泛化能力? https://www.itxiaonv.com/?p=2113
8.河南省教育厅序号 1 2 成果名称 基于web of science 国际科学教育领域研究文献的定 量分析 基于emd 和abc-svm 《函数》 吴新平 378 新乡市一区三校成绩管理系统 杨国防,胡雄彦,孟林,杨然,蔡文慧 379 人教版小学课的翻转课堂模式在大学英语词汇教学中应用的行动研 郭慧敏,庞彦https://zzjy.zhengzhou.gov.cn/attachment/%E5%85%B3%E4%BA%8E%E5%85%AC%E5%B8%83%202016%20%E5%B9%B4%E5%BA%A6%E6%B2%B3%E5%8D%97%E7%9C%81%E4%BF%A1%E6%81%AF%E6%8A%80%E6%9C%AF%E6%95%99%E8%82%B2%20%E4%BC%98%E7%A7%80%E6%88%90%E6%9E%9C%E5%A5%96%E7%9A%84%E9%80%9A%E7%9F%A5.pdf?5MHNdaer2wSDbGwq3aAv5y9GkuYN1ZZZuDta5EzZDwZ9FwR0JuHlQj0pLTFe6UKGUAhQnIdEBHbeKEl2NpSWpCtN2g==
9.现有一临时的紧急项目需要从ABC3个部门抽调人员来协同完成,一共现有一临时的紧急项目需要从ABC 3个部门抽调人员来协同完成,一共需要抽调6个人在1-4号参与工作,因为此项目与部门业务接近,所以部门确定负责一半的工作量。A部门目前可以安排足够的人员支持,但3号开始要开展本部门新业务,不能再继续支持。B部门当前有一个业务在3号上班前才能截止,截止之前无法提供支援那么各部门尽量https://www.shuashuati.com/ti/011097e222b14c00ac4b66af26e39e07.html
10.三亚学院三亚学院(University of Sanya,简称三院),位于海南省三亚市,是由海南省教育厅主管的全日制民办普通本科高等学校,由世界500强企业吉利控股集团出资建设,是中国高校创新创业教育联盟(IEEAC)成员高校。现任党委书记朱双平、校长陆丹。校训为“自立更生、合力更新、有https://baike.sogou.com/v308764.htm
11.Claude3惊喜上线:多模态能力比肩GPT推理能力,多模态,全系模型均能处理超过 100 万个 tokens + + + 瞬时结果虽然也很吸引我,但真正能达到3倍速+就是目前还是只有Haiku,推理能力超越GPT4的Opus响应的速度和上一版大致相同 + + + + + 更少的拒绝,也意味着模型不会动不动拒绝你的问题,但这一情况在我目前使用GPT API和GPT网页端都较少遇到,https://github.com/go2coding/go2coding.github.io/commit/00bc2a86df019d4cf04abc097cba4a2a0249b12b.diff
12.山西省教育厅关于2021年度研究生教育创新计划各类项目结果的公示基于语音的多模态情感识别 2021Y300 301 太原理工大学 李振宇 硕士研究生 张昊 基于复杂系统的图像版权保护技术研究 2021Y301 302 太原理工大学 刘蒙蒙 硕士研究生 牛保宁 关键词最优路径查询研究 2021Y302 303 太原理工大学 冯子坚 硕士研究生 邓红霞 疫情下的口罩人脸识别算法研究http://xxgc.org.cn/show-11593.html
13.IT之家评测室讯飞星火V3.5体验:整体接近GPT1月 30 日,科大讯飞举行了讯飞星火认知大模型 V3.5 升级发布会,会上,讯飞星火 V3.5 版本正式发布,这是是首个基于全国产化算力平台“飞星一号”训练的全民开放大模型。 科大讯飞董事长刘庆峰表示,讯飞星火 V3.5 整体已经接近 GPT-4 水平;其在数学、语言理解、语音交互能力超过 GPT-4Turbo。代码能力方面达到了 GPhttps://www.ithome.com/0/748/075.htm
14.广州中医药大学20212022学年度招收博士后研究人员公告1、专业方向:临床流行病学与卫生统计学,或医学免疫学、分子病毒学选其一; 2、能力素质要求:具有参与多中心临床实验经验,或能够独立开展实验研究,以第一作者发表SCI论文者优先考虑 刘云涛 13560021023 6 刘中秋 中药学 中药药理学 基于中药药代动力学原理的中药药效和毒性作用的机理以及防治肿瘤的转化医学研究 https://www.gccrcw.com/region/guangdong/gdgx/202204/1266719.html