数字语言生物标志物:除了纸笔测试

在过去的几年里,越来越多的语言学研究一直致力于临床领域,和神经科学和心理健康也不例外。然而,许多潜在的认知和神经精神症状的因素很难预见;此外,它往往是很难预测疾病轨迹。在这种背景下,跨学科的方法获得越来越受欢迎,和分析复杂的行为(如语音和语言)出现作为一个自然的候选人来识别和分析给定的神经病理学的程度会影响认知系统。

最近的国际研究表明,自动收集和定量分析语言特征,很容易从患者的言语作品,可推断出的非常有用的区分各种认知或精神障碍患者与健康受试者,即使在非常初期的阶段。此外,语言技术方法和工具已被证明特别承诺解决这个任务。事实上,微妙的语言可以使用中断作为“数字语言生物标志物”,即客观、量化的行为数据,可以收集和测量通过数字设备,允许一个低成本的病理检测、分类和监控。相比古典某月神经心理学测试,使用这些工具显示了很多优势(其非侵入性和时效等应用程序)——不仅提供离线措施,而且网上的措施作为认知过程的代理和底层机制。

痴呆评估是一个快速发展的领域自然语言处理(NLP)申请医学科学,但是这种方法是通过社区迅速传播,鼓励发展和获得病理结果。

本研究课题旨在结合数字语言从不同季度的生物标志物研究认知科学。我们欢迎原始研究使用NLP的工具或系统评价临床诊断或疾病严重程度和预后的评估。

话题可能包括,但不限于:
•认知脆弱筛查和临床phenotypization(例如轻度认知损害和痴呆);
•自动分析,构音障碍的语言(如帕金森病、亨廷顿氏舞蹈症,多发性硬化症,肌萎缩性脊髓侧索硬化症);
•精神疾病诊断(例如重度抑郁症、双相情感障碍,饮食失调,精神分裂症);
•早期发现神经发育障碍(例如自闭症谱系障碍、发育性语言障碍);
•数据收集新的数据样本的大脑和精神健康领域(如神经心理评估、自我报告的行为和/或生理数据)。