监督机器学习在筛选和诊断语音障碍中的有效性:系统回顾和元分析
摘要
背景:
语音筛查和诊断是在语音障碍调查中使用的过程。两者都有有限的标准化测试,这受到临床医生的经验和主观判断的影响。机器学习(ML)算法被引入并作为一种客观工具用于筛选/诊断患者的声音。ML算法在评估和诊断语音障碍方面的有效性已被许多研究所调查。
摘要目的:
本系统综述旨在评估ML算法在筛查和诊断语音障碍方面的有效性。
方法:
对五个数据库进行了电子检索。我们纳入了检测任何ML算法在检测异常语音样本时的性能(准确性、灵敏度和特异性)的研究。两名审稿人独立选择研究,从纳入的研究中提取数据,并评估纳入研究的偏倚风险。使用QUADAS-2工具评估每项研究的方法学质量。提取研究特征、总体和指数检验。对ML技术的池化准确性、敏感性和特异性进行了meta分析。通过排除一些研究并讨论异质性的可能来源来解决异质性的来源。
结果:
在检索到的1409份记录中,本综述纳入了13项研究(参与者:4079人)。在纳入的研究中使用了13种机器学习技术,但最常用的技术是SVM。ML技术筛查语音障碍的汇总准确性、敏感性和特异性分别为93%、96%和93%。LS-SVM的准确率最高(99%),K-NN的敏感性和特异性最高(98%)。二次判别分析(QDA)的准确率(91%)、灵敏度(89%)和特异性(89%)最低。
结论:
ML在筛查语音障碍方面显示出有希望的结果。然而,由于使用ML进行诊断的研究数量有限,因此,该研究结果在诊断语音障碍方面不能具有结论性,因此需要进行更多的调查。因此,使用ML来替代当前的诊断工具可能是不可能的。相反,它可以作为临床医生评估患者的决策支持工具,这可以改善语音障碍评估的管理过程。
引用
请求排队。正在生成文件,请稍候。这可能需要一些时间。
版权
©作者。版权所有。这是一份目前正在同行评审/社区评审(或接受/拒绝的手稿)的保密文件。作者已向JMIR出版物提供独家许可,在其网站卡塔尔世界杯8强波胆分析上发布此预印本,仅用于审查和打印前引用目的。虽然最终的同行评议论文可以在cc-by许可下发表,但在此阶段,作者和出版商明确禁止除评审目的外重新分发此论文草稿。