Analyse automatisée de la voix et biomarqueurs vocaux : une aide au diagnostic différentiel entre dépression et troubles cognitifs légers chez le sujet âgé ? - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
Master Thesis Year : 2020

Automated speech analysis and vocal biomarkers in late-life depression compared to mild cognitive impairment

Analyse automatisée de la voix et biomarqueurs vocaux : une aide au diagnostic différentiel entre dépression et troubles cognitifs légers chez le sujet âgé ?

Abstract

Depression is a very frequent pathology among elderly people. Some depressive symptoms are common in neurocognitive disorders which can make it difficult to detect and diagnose them. Indeed, there is a high comorbidity of cognitive disorders and late-life depression. There are only a few diagnostic tools to help with differential diagnosis. Vocal analysis and the extraction of vocal biomarkers could be a non-invasive new method to support this process. In this study, we included patients aged over 60 diagnosed with depression without a neurodegenerative disease or others psychiatric disorders. They were asked to perform two short cognitive vocal tasks: a verbal semantic fluency and a picture description which were recorded. Then, in a second step, vocal and prosodic features were extracted from the audio files using machine learning methods. In a final step, we compared these features to those from a cohort of patients with a diagnosis of MCI diagnosis without any mood disorder. Automatic analysis of vocal cognitive tasks such as semantic verbal fluency and the picture description could be fast solution for supporting early characterization of patients. Speech analysis shows promising results and prosodic features should be further explored.
To conclude, automatic speech analyses could be an additional objective assessment tool for differentiating depression from mild cognitive impairment.
La dépression est une pathologie fréquente de la personne âgée. Certains symptômes de la dépression sont communs aux troubles neurocognitifs ce qui peut engendrer des erreurs diagnostiques. Pour différencier EDC et TNC débutants, il existe à ce jour peu d’outils d’aide diagnostique. L'analyse vocale et l'extraction de biomarqueurs vocaux pourraient être une nouvelle méthode non invasive d’aide au diagnostic.
Dans cette étude, nous avons inclus des patients âgés de plus de 60 ans avec un diagnostic de dépression et sans maladie neurodégénérative ou autres troubles psychiatriques. On leur a demandé d'effectuer deux tâches vocales : une fluence verbale sémantique et une description d'image qui ont été enregistrées. Ensuite, dans un deuxième temps, des caractéristiques vocales et prosodiques ont été extraites des fichiers audios à l'aide de méthodes de machine learning. Dans une dernière étape, nous avons comparé ces caractéristiques à celles d'une cohorte de patients avec un diagnostic de diagnostic de MCI sans aucun trouble de l'humeur. L'analyse automatique des tâches cognitives vocales telles que la fluidité verbale sémantique et la description de l'image pourrait être une solution rapide pour effectuer un dépistage précoce. L'analyse de la parole montre des résultats prometteurs et l’étude des caractéristiques prosodiques nécessitera d’être poursuivie.
Pour conclure, l’analyse automatique de la parole pourraient être un outil d'évaluation objectif supplémentaire pour différencier la dépression d'une déficience cognitive légère.
Fichier principal
Vignette du fichier
2020NICEM122.pdf (4.97 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

dumas-02996367 , version 1 (09-11-2020)

Identifiers

  • HAL Id : dumas-02996367 , version 1

Cite

Céline Labbe. Analyse automatisée de la voix et biomarqueurs vocaux : une aide au diagnostic différentiel entre dépression et troubles cognitifs légers chez le sujet âgé ?. Médecine humaine et pathologie. 2020. ⟨dumas-02996367⟩
305 View
209 Download

Share

More