Badacze stworzyli narzędzie do automatycznego pomiaru indeksu płynności werbalnej (VFI) u pacjentów chorych na stwardnienie boczne boczne (MND/ALS), często towarzyszące zaburzeniom mowy. System łączy model WhisperX do rozpoznawania mowy z detektorem VAD (Silero) do identyfikacji przerw w wypowiedzi, a następnie analizuje, ile słów pacjent potrafi wymienić na daną literę w określonym czasie.
Tradycyjnie lekarze muszą ręcznie oceniać takie testy podczas wizyt, co jest czasochłonne i wymaga doświadczenia klinicznego. Zaproponowany system trenowano na unikalnym zbiorze danych pacjentów z MND, a jego predykcje opierają się na cechach inspirowanych praktyką kliniczną - takich jak liczba słów, tempo mówienia czy długość przerw w wypowiedzi. Podejście to okazało się bardziej efektywne niż tradycyjne cechy akustyczne czy embeddingi z modeli nienadzorowanych.
Wyniki są obiecujące - dla słów na literę P model osiąga R2 0,9 (gdzie 1,0 to idealna predykcja), a dla słów na S rezultat to R2 0,8. Taka dokładność sugeruje, że pacjenci mogliby wykonywać testy w domu, a AI automatycznie raportowałoby wyniki lekarzom. To szczególnie ważne dla osób ze stwardnieniem, u których mobilność jest ograniczona, a monitoring postępu zaburzeń poznawczych jest kluczowy dla doboru terapii.