Digital language markers distinguish frontal from right anterior temporal lobe atrophy in frontotemporal dementia
Notice bibliographique
Résumé
Background and Objectives: Within frontotemporal dementia (FTD), the behavioral variant (bvFTD) characterized by frontal atrophy, and semantic behavioral variant (sbvFTD) characterized by right anterior temporal lobe (rATL) atrophy, present diagnostic challenges due to overlapping symptoms and neuroanatomy. Accurate differentiation is crucial for clinical trial inclusion targeting TDP-43 proteinopathies. This study investigated whether automated speech analysis can distinguish between FTD-related rATL and frontal atrophy, potentially offering a non-invasive diagnostic tool. Methods: In a cross-sectional design, we included 40 participants with FTD-related predominant frontal atrophy (n=16) or predominant rATL atrophy (n=24) and 22 healthy controls from the UCSF Memory and Aging Center. Using stepwise logistic regression and receiver operating characteristic (ROC) curve analysis, we analyzed 16 linguistic and acoustic features that were extracted automatically from audio-recorded picture description tasks. Neuroimaging data were analyzed using voxel-based morphometry to examine brain-behavior relationships of regional atrophy with the features selected in the regression models. Results: Logistic regression identified three features (content units, lexical frequency, familiarity) differentiating the overall FTD group from controls (AUC=.973), adjusted for age. Within the FTD group, five features (adpositions/total words ratio, arousal, syllable pause duration, restarts, words containing 'thing') differentiated frontal from rATL atrophy (AUC=.943). Neuroimaging analyses showed that semantic features (lexical frequency, content units, 'thing' words) were linked to bilateral inferior temporal lobe structures, speech and lexical features (syllable pause duration, adpositions/total words ratio) to bilateral inferior frontal gyri, and socio-emotional features (arousal) to areas known to mediate social cognition including the right insula and bilateral anterior temporal structures. As a composite score, this set of five features was uniquely associated with rATL atrophy. Discussion: Automated speech analysis effectively distinguished the overall FTD group from controls and differentiated between frontal and rATL atrophy. The neuroimaging findings for individual features highlight the neural basis of language impairments in these FTD variants, and when considered together, underscore the importance of utilizing features' combined power to identify impaired language patterns. Automated speech analysis could enhance early diagnosis and monitoring of FTD, offering a scalable, non-invasive alternative to traditional methods, particularly in resource-limited settings. Further research should aim to integrate automated speech analysis into multi-modal diagnostic frameworks.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».