痴呆患者数量的增加已成为世界范围内的一个严重的社会问题。根据世界卫生组织(WHO)的数据，至2030年，痴呆患者人数将达到7500万。随着痴呆患者人数的增加，其成本（如护理）估计将上升至2万亿美元，人们担心这一现象将导致社会问题和经济损失。
为了帮助在早期阶段检测痴呆以尽早发现并介入治疗，近年来人们已进行了各种相关研究。诚然，正确的诊断和开始治疗可以治愈某些类型的痴呆。然而，迄今为止，我们还没有发现任何针对阿尔茨海默病和路易体痴呆的突破性治疗方法，这占了大多数病例。我们只能用药物来延缓进展并改善症状。
为此，本文的研究人员希望寻求一种简单的痴呆筛查方法，该方法对患者来说负担较轻，并且可用于早期发现痴呆，特别是对于前体阶段的轻度认知障碍(MCI)患者。作者希望使用可以监控老年人并与老年人交谈的机器人来节省存在严重人员短缺问题的护理机构的劳动力。如果能从机器人和老年人之间的日常对话中找到认知能力下降的迹象，它可以帮助我们在不进行特定测试的情况下检测痴呆的早期阶段，同时让老年人享受对话。
下文即为研究人员针对通过与人形机器人对话筛查轻度认知障碍所设置的特定研究及分析结论。
本研究侧重于通过患者与人形机器人之间的对话来早期检测MCI，而无需进行特定的检查，例如神经心理学检查。我们分析了参与者（认知正常者(CN)和MCI患者）与人形机器人之间记录的日常对话中的语音特征，以确定检测认知能力下降迹象的有效特征。我们还使用已识别的特征对MCI患者和CN老年人进行了自动分类实验，并检查了使用他们与人形机器人的日常对话进行简单痴呆筛查测试的可能性。
人形机器人的日常对话
我们用软银机器人于2014年开发的人形机器人Pepper记录了参与者的日常对话语音。Pepper可以通过语音和胸部的平板电脑进行交流。Pepper的动作和对话很容易编程，并已用于医疗保健，护理和教育设施。
下图显示了我们如何记录参与者和机器人之间的对话数据。操作员坐在一个让他们远离参与者视线的位置。他们根据参与者的回答切换主题或选择对话内容，同时遵循事先准备好的基本场景。
与人形机器人佩珀对话的场景
第 1 步：简介
共3个问题，包括Pepper的自我介绍，他们以前是否认识Pepper，以及他们对Pepper的第一印象
第 2 步：健康
共4个问题，包括他们当天的身体状况，他们前一天晚上是否能够入睡，以及他们保持健康需要注意的事情
第 3 步：饮食
总共5个问题，包括他们前一天吃的饭菜，如何准备这些饭菜，以及他们喜欢自己喜欢的食物的哪些方面
第 4 步：结论
感谢他们的对话和一些话语，以表示实验结束
该方案由问答部分和聊天部分组成。在问答部分，我们插入了测试记忆力和逻辑思考能力的问题，这些问题有可能识别认知功能的下降（例如，参与者前一天晚上吃的饭菜的细节以及如何准备）。同时，系统根据参与者的回答提供适当的回复和自我披露信息，以模拟聊天部分的日常对话。操作员通过判断参与者的回答内容是正面的、负面的还是两者都不是来设置Pepper的回复。例如，当参与者说他们知道机器人时，Pepper的回答是“哇！我很高兴“，当他们说他们不知道机器人时，“嗯，真可惜”。
从喉咙麦克风中提取的特征
我们使用喉咙麦克风记录的对话数据手动标记语音间隔和填充物。填充词是由语音形式表示的所谓暂停和连接词，例如“er”、“um”和“uh”。
我们分析了MMSE(细微精神状态检查)对话语音以及与人形机器人的日常对话中的语音特征，以确定用于检测认知能力下降迹象的显着特征。此外，我们使用使用统计显著性检验识别的特征对MCI患者和CN老年人进行了自动分类实验，并使用与人形机器人的日常对话检查了简单痴呆筛选测试的可能性。在与人形机器人的日常对话中，我们发现与MMSE对话语音中的特征相比，在11个特征上获得了显着差异。我们还发现了声学特征的显着差异，例如抖动和微光，这在MMSE会话语音中不存在。自动分类结果显示，MMSE对话语音的准确率为66.0%，与人形机器人的日常对话准确率为68.1%。
该结果表明，在与人形机器人的日常对话中，可以从语音中识别MCI患者，其准确性与MMSE会话语音的自动分类相同。此外，关于参与者是否想再次与机器人交谈的问题，CN老年参与者和MCI患者的回答得分都高于4分。我们得出的结论是，参与者对未来再次与机器人进行日常对话持积极态度。
在MMSE会话语音中，MCI患者的反应和说话时间往往比CN老年人更衰减。相反，我们注意到一个相反的趋势，在与人形机器人的日常对话中，他们的反应和说话时间衰减较小。已知语言和沟通困难是痴呆患者的常见症状.与MMSE等认知功能测试不同，真实的日常对话没有固定的答案，由参与者自己决定他们说多少话。认知功能开始下降的MCI患者可能发现与人形机器人沟通比CN老年参与者更困难。这可能就是为什么我们发现相反的趋势，即MCI患者的反应和说话时间在MMSE对话语音中更长，尽管他们在与人形机器人的日常对话中更短。我们发现，与MMSE对话语音不同，在与人形机器人的日常对话中，声音波动的特征值（例如抖动和微光）存在显着差异。在MMSE会话演讲中，这可能是因为语音中很难发生声音波动，因为参与者可以在方向的任务中提供简短的回答。相反，似乎由于日常对话的性质而发生了声音震颤。平均值的比较表明，MCI患者的发病率高于CN年龄较大的参与者，这意味着前一组的成员在音调和音量方面的声音往往更加波动。这表明，与人形机器人的日常对话中的抖动和微光是检测认知能力下降迹象的有效标志。
这些结果表明，我们可以从与人形机器人的日常对话中识别MCI患者，并提高简单的痴呆筛查测试的疗效。然而，该方法的分类准确率为68.1%，当我们考虑其实际应用前景时，这是不够的。我们未来的任务是通过检查其他特征（例如语言性质的特征）来进一步提高其准确性。
摘自：Screening of Mild Cognitive Impairment Through Conversations With Humanoid Robots: Exploratory Pilot Study
