Parkinson’s Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms: A Comprehensive Study

要約

パーキンソン病 (PD) は、運動ニューロンに影響を及ぼし、震え、硬直、歩行困難などの症状を引き起こすことで知られる一般的な神経変性疾患です。
この研究は、病気の早期予測の手段として、PD患者における音声特徴の変化の可能性を調査しています。
この研究はパーキンソン病の発症を予測することを目的としています。
この研究では、XGBoost、LightGBM、Bagging、AdaBoost、サポート ベクター マシンなどのさまざまな高度な機械学習アルゴリズムを利用して、精度、曲線下面積 (AUC)、
感度と特異性。
この包括的な分析の結果は、LightGBM が最も効果的なモデルであることを強調しており、96% の一致する AUC とともに 96% という驚異的な精度を達成しています。
LightGBM は、100% の感度と 94.43% の特異性を示し、精度と AUC スコアにおいて他の機械学習アルゴリズムを上回りました。
パーキンソン病の複雑さと早期診断における課題を考慮すると、この研究は、正確かつタイムリーなPD検出のために、音声バイオマーカーと高度な機械学習技術を組み合わせて活用することの重要性を強調しています。

要約(オリジナル)

Parkinson’s disease (PD) is a prevalent neurodegenerative disorder known for its impact on motor neurons, causing symptoms like tremors, stiffness, and gait difficulties. This study explores the potential of vocal feature alterations in PD patients as a means of early disease prediction. This research aims to predict the onset of Parkinson’s disease. Utilizing a variety of advanced machine-learning algorithms, including XGBoost, LightGBM, Bagging, AdaBoost, and Support Vector Machine, among others, the study evaluates the predictive performance of these models using metrics such as accuracy, area under the curve (AUC), sensitivity, and specificity. The findings of this comprehensive analysis highlight LightGBM as the most effective model, achieving an impressive accuracy rate of 96%, alongside a matching AUC of 96%. LightGBM exhibited a remarkable sensitivity of 100% and specificity of 94.43%, surpassing other machine learning algorithms in accuracy and AUC scores. Given the complexities of Parkinson’s disease and its challenges in early diagnosis, this study underscores the significance of leveraging vocal biomarkers coupled with advanced machine-learning techniques for precise and timely PD detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google