Nieuw onderzoek suggereert dat stemkenmerken kunnen helpen bij de diagnose van autismespectrumstoornis (ASS). Stemkenmerken worden gebruikt in een geautomatiseerde analyse van spraakopnames van patiënten en kunnen dienen als digitale biomarkers voor verschillende neurologische en psychiatrische aandoeningen, waaronder ASS.
De onderzoekers gebruikten een geavanceerde classificatiemethode, genaamd ROC-supervised KCA-analyse, om stemkenmerken te analyseren en te onderscheiden tussen kinderen met ASS en typisch ontwikkelende kinderen. Opvallend was dat de classificatieprestatie van deze methode buitengewoon hoog was, rond de 90%. Dit was significant beter dan eerdere onderzoeken die een classificatieprestatie van 80-89% rapporteerden.
Belangrijk is dat de stemkenmerken die voorspellend waren voor de diagnose van ASS voornamelijk te maken hadden met de controle van de trillingen van de stembanden, zoals jitter en shimmer. Deze kenmerken wezen op een afwijkende stemkwaliteit bij kinderen met ASS in vergelijking met typisch ontwikkelende kinderen. Kinderen met ASS hadden bijvoorbeeld lagere gemiddelde F1-waarden, hogere harmonische-ruisverhouding (HNR), hogere shimmer en lagere jitter skewness. Deze verschillen in stemkenmerken kunnen worden gezien als externe markers van atypische neuroontwikkeling die mogelijk al voor de geboorte optreedt.
Interessant is dat de stemkenmerken ook een hoge classificatieprestatie hadden bij het onderscheiden van kinderen met ASS van kinderen met andere stoornissen, zoals taalontwikkelingsstoornis (DLD) en centrale gehoorstoornis (CI). Dit suggereert dat stemkenmerken specifiek zijn voor ASS en kunnen helpen bij differentiële diagnostiek ten opzichte van andere neurologische ontwikkelingsstoornissen.
Het onderzoek benadrukt echter dat deze methode nog in een beginstadium is en dat grotere onderzoeksgroepen nodig zijn om een gevestigde klinische biomarker te definiëren. Bovendien moeten toekomstige studies zich richten op het testen van de classificatieprestatie bij jongere kinderen, mogelijk zelfs bij baby’s, en bij kinderen met ASS die ook andere aandoeningen hebben, zoals ADHD en angststoornissen.
Deze bevindingen hebben potentieel belangrijke implicaties voor de vroege detectie van ASS. Vroege detectie kan leiden tot een verbeterde prognose, omdat vroegtijdige interventie van groot belang is bij ASS. De geautomatiseerde analyse van stemkenmerken zou kunnen dienen als een objectief hulpmiddel bij de klinische diagnose van ASS en kan de weg effenen voor de ontwikkeling van een geautomatiseerd diagnose-instrument.
Jitter verwijst naar variaties in de trillingsperiode van de stembanden tijdens spraak. Het wordt gemeten als de mate van cyclus-tot-cyclus variabiliteit in de frequentie van de stembandtrillingen. In dit onderzoek bleek dat kinderen met ASS lagere jitter skewness hadden, wat aangeeft dat de variabiliteit van jitter over niet-woorden meer vergelijkbaar was met een normale verdeling. Dit kan wijzen op een grotere stabiliteit in de stemproductie bij kinderen met ASS.
Shimmer verwijst naar variaties in de amplitude (intensiteit) van de stemtrillingen. Het meet de cyclus-tot-cyclus variabiliteit in de amplitude van de fundamentele frequentie (f0) van de stem. Uit de resultaten van het onderzoek bleek dat kinderen met ASS een hogere shimmer hadden, wat kan duiden op morfologische verschillen of verschillen in de controle van de stembanden bij deze kinderen.
Het is echter belangrijk op te merken dat deze methode niet de traditionele klinische diagnose door experts moet vervangen, maar eerder als een complementaire tool moet worden gebruikt. De stemkenmerken kunnen waardevolle aanvullende informatie bieden, maar een definitieve diagnose moet altijd worden gesteld door een gekwalificeerde professional.
Al met al toont dit onderzoek aan dat stemkenmerken kunnen bijdragen aan de diagnose van autismespectrumstoornis. Toekomstig onderzoek zou zich moeten richten op het repliceren van deze bevindingen met grotere onderzoeksgroepen en bij jongere kinderen, evenals het onderzoeken van de akoestische kenmerken van huilgeluiden bij baby’s als mogelijke biomarker voor ASS.
Briend F, David C, Silleresi S, Malvy J, Ferré S, Latinus M. Voice acoustics allow classifying autism spectrum disorder with high accuracy. Transl Psychiatry. 2023 Jul 8;13(1):250. doi: 10.1038/s41398-023-02554-8. PMID: 37422467; PMCID: PMC10329669.
