Design and development of the intelligent voice recognition‐based cognitive assessment WeChat mini‐program
Notice bibliographique
Résumé
Abstract Background Early screening of mild cognitive impairment (MCI) is crucial for the elderly to access formal diagnosis and intervention of Alzheimer’s Disease (AD) and related dementias (ADRD) at early stages. Owing to the rapid development of artificial intelligence (AI) and voice recognition technology, the detection method using speech patterns as digital biomarkers collected by digital consumer devices can accommodate a huge demand for early and large‐scale detection. We here reported the design and development of the Shanghai Cognitive Screening (SCS) mini‐program, the first intelligent voice recognition‐based cognitive assessment WeChat mini‐program in China. Method The SCS mini‐program was developed based on the cognitive paradigm and classic pencil‐and‐paper neuropsychological assessments (e.g. Montreal cognitive assessment basic [MoCA‐B]). Through Automatic Speech Recognition (ASR), users speak to complete tasks including Naming, Immediate Recall, Delayed Recall, Symbol Digit Modalities Test (SDMT), Delayed RecallII, and Recognition (Figure 1). The acoustic, phonetics, and linguistic speech pattern variables would also be extracted and processed as digital biomarkers. The SCS intelligent prediction model enrolls speech pattern digital biomarkers, individual task scores, and time use variables with age, gender, and education level as linking variables, which enables to grade the user’s global cognitive function and individual cognitive domains (Figure 2). Result After completing all tasks in the SCS, users can immediately read the comprehensive results which are divided into 4 categories corresponding to 4 grading intervals: “healthy” (cognitively normal), “low risk” (suspected SCD), “medium‐high risk” (suspected MCI), and “high risk” (suspected AD). We also use a radar chart with scores of cognitive domains (i.e., memory, attention, visual perception, language, and executive functions), a memory trend graph (i.e., immediate and delayed recalls), an attention persistence graph, and related advice in the automatically generated report (Figure 3). Conclusion The SCS mini‐program is more efficient and economical compared to traditional paper‐based cognitive assessments. It is suitable for clinical cognitive assessment, remote self‐rating, and community screening for MCI and dementias among Chinese older adults and other ADRD high‐risk groups. Clinical trials are yet to be conducted to validate the accuracy and diagnostic value of the SCS WeChat mini‐program.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».