众包可以帮助研究人员评估帕金森氏症治疗的疗效

一组语言病理学研究人员发现，未经训练的听众被众包评估帕金森氏症患者的语音治疗可以得出与可靠的测量工具一致的结论。

散点图显示“典型语音质量”评级与 AVQI 分数的比例，按说话者组分开。阴影区域代表每条最佳拟合线周围的 95% 置信区间。AVQI = 语音质量指数；LSVT = Lee Silverman 语音处理；PD = 帕金森病。

“针对帕金森病患者的言语和声音治疗方法的研究通常使用细粒度的声学测量或训练有素的听众的感知评级来评估进展，”主要作者、纽约大学斯坦哈特分校副教授 Tara McAllister说。“然而，这种方法对这些变化对现实世界的影响留下了一些不确定性，因为对于患者在日常生活中与之互动的未经训练的听众来说，这些变化并不总是很明显。”

在一项研究中，麦卡利斯特和她的合著者成功地复制了一项 2022 年发表在《语音杂志》上的研究 ，该研究表明帕金森氏症患者在接受Lee Silverman 语音处理 (LSVT LOUD)。原始研究的结果是使用声学语音质量指数 (AVQI) 确定的，该指标结合了语音的多种声学测量以得出与专家听众的评分高度相关的单一值。

在众包中，研究人员使用亚马逊的 Mechanical Turk 等平台与大量在线执行任务的个人联系以获得金钱补偿。本研究中的研究人员使用初始任务来确定众包听众在评估音频样本时的可靠性。然后要求 30 名符合条件的评分者评估来自 Moya-Galé 研究的 250 条录音，这些录音被分成每块 50 条录音（每块 25-27 名听众）。

作者发现听众的评分与 AVQI 分数之间存在统计学上的显着相关性。他们还重复了原始研究的发现，即在 LSVT LOUD 治疗后观察到语音质量显着提高，但在两次比较治疗后没有观察到。

“总的来说，这些结果支持使用众包来评估从临床人群收集的语音样本，即使对于未经训练的听众可能不太熟悉的 语音质量等结构，”他们写道。

“我们认为众包具有令人兴奋的潜力，可以让研究人员更容易理解他们研究的治疗方法与现实世界的相关性，并最终支持研究人员和患者之间更好地协调优先事项。”