Zusammenfassung
Im Vergleich zur Phonetik ist die Künstliche Intelligenz ein junges Forschungsgebiet, das seinen Namen erst seit den 1950er-Jahren durch den Informatiker John McCarthy erhielt (Konrad, 1998). Eine einheitliche Definition für den Begriff Künstliche Intelligenz (KI), auf Englisch Artificial Intelligence (AI), ist bis heute nicht vorhanden. Teilgebiete der AI sind wissensbasierte Systeme, die zunehmend in der Medizin eine wichtige Rolle spielen (Altenkrüger & Büttner, 1992). Mit diesen Systemen werden Fragen beantwortet und logische Schlüsse aus gesammelten fachlichen Daten erzeugt. Daneben gibt es eine Vielzahl von weiteren Einsatzmöglichkeiten der AI, unter anderem in der Phonetik. Einen hohen Stellenwert hat die Phonetik im klinischen Alltag bei der Diagnostik und Therapie von Sprechstörungen, beispielsweise beim Stottern. Aber nicht nur der Redefluss kann betroffen sein, bei diversen Erkrankungen kommt es zu Veränderungen der Stimmhöhe, Stimmkraft oder der Betonung von Wortsilben. Solche pathologischen Änderungen der Stimme bezeichnet man als „Vocal Biomarker“. Ein Biomarker ist ein objektiv gemessener und bewerteter Faktor, der einen biologischen oder pathogenen Prozess darstellt (Fagherazzi et al., 2021). Diese häufig nur sehr feinen Änderungen sind meist allein mit dem menschlichen Gehör nicht auszumachen, können jedoch mithilfe von neuen Techniken so verarbeitet werden, dass das behandelnde Personal in der Entscheidungsfindung unterstützt werden kann und sogar betreffend bestimmte Krankheiten eine Frühdiagnostik möglich wird. Bei einigen Erkrankungen wie Covid-19, ADHS, Alzheimer oder Parkinson zeigen sich bereits positive Ergebnisse, die im folgenden Beitrag separat erörtert werden.
Gegenstand aktueller Diskussionen ist die Frage, ob zukünftig eine Software allein ausreicht, um bestimmte Diagnosen zu stellen. Kann ärztliches Personal mit technischer Unterstützung dieser Art oder eher ohne Einfluss einer Software eine entsprechende Diagnose stellen? Durch den weit verbreiteten Besitz von Smart Devices wie Laptops, Tablets oder mobilen Telefonen ist ein flächendeckendes medizinisches Diagnosehilfsmittel vorhanden, sodass, rein den technischen Aspekt betrachtet, telemedizinische Ansätze, erweitert durch diese innovative digitale Messungen, in der Zukunft problemlos zunehmend eingesetzt werden können.
Dieses Buchkapitel gibt eine Übersicht über eine der innovativen digitalen Anwendungen, die sich – auch im Zusammenhang mit potenzieller telemedizinischer Anwendung – rasant entwickelt, die Vocal Biomarker.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Adams, P., Rabbi, M., Rahman, T., Matthews, M., Voida, A., Gay, G., Choudhury, T., & Voida, S. (2014). Towards personal stress informatics: Comparing minimally invasive techniques for measuring daily stress in the wild. In: Proceedings of the 8th International Conference on Pervasive Computing Technologies for Healthcare, PervasiveHealth’14. ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering), Brussels, BEL, S. 72–79. https://doi.org/10.4108/icst.pervasivehealth.2014.254959.
ADHS Deutschland e. V. (2022). ADHS-Deutschland – Häufigkeit [WWW Document]. http://www.adhs-deutschland.de/Home/ADHS/ADHS-ADS/Haeufigkeit.aspx. Zugegriffen: 22. Dez. 2022.
ADHS. (2022). Wie wird die Diagnose gestellt? [WWW Document], 2022. gesundheitsinformation.de. https://www.gesundheitsinformation.de/adhs-wie-wird-die-diagnose-gestellt.html. Zugegriffen: 22. Dez. 2022.
Altenkrüger, D., Büttner, W., 1992. Wissensbasierte Systeme. In: D. Altenkrüger & W. Büttner (Hrsg.), Wissensbasierte Systeme: Architektur, Entwicklung, Echtzeitanwendungen – Eine praxisgerechte Einführung, Artificial Intelligence/Künstliche Intelligenz (S. 1–5). Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-86811-4_1.
Ardila, A., Bernal, B., & Rosselli, M. (2016). How localized are language brain areas? A review of brodmann areas involvement in oral language. Archives of Clinical Neuropsychology, 31, 112–122. https://doi.org/10.1093/arclin/acv081.
Ärzteblatt, D. Ä. G., & Redaktion Deutsches. (2020). „Telemedizin reduziert das Infektionsrisiko“ [WWW Document]. Deutsches Ärzteblatt. https://www.aerzteblatt.de/nachrichten/111170/Telemedizin-reduziert-das-Infektionsrisiko. Zugegriffen: 20. Dez. 2022.
Auersignal. (2022). Alles über Lautstärke | auersignal.com [WWW Document]. http://www.auersignal.com/de/technische-informationen/akustische-signalgerate/alles-uber-lautstarke/. Zugegriffen: 20. Dez. 2022.
Bonekamp, D., & Schlemmer, H.-P. (2022). Künstliche Intelligenz (KI) in der Radiologie? Der Urologe, 61, 392–399. https://doi.org/10.1007/s00120-022-01768-w.
Bundesministerium für Gesundheit. (2022). Aufmerksamkeitsdefizitsyndrom [WWW Document]. https://www.bundesgesundheitsministerium.de/themen/praevention/kindergesundheit/aufmerksamkeitsdefizitsyndrom.html. Zugegriffen: 18. Dez. 2022.
Bundeszentrale für politische Bildung. (2022). Industrielle Revolution [WWW Document]. bpb.de. https://www.bpb.de/kurz-knapp/lexika/lexikon-der-wirtschaft/19719/industrielle-revolution/. Zugegriffen: 17. Dez. 2022.
Demirci, S., Schaat, S., & Kauffeld-Monz, M. (2021). Smarte Datenwirtschaft. Smarte Datenwirtschaft – Perspektiven für die Telemedizin (iit-berlin.de).
DMSG. (2022). Was ist MS? [WWW Document]. https://www.dmsg.de/multiple-sklerose/was-ist-ms. Zugegriffen: 15. Dez. 2022.
Doraiswamy, S., Abraham, A., Mamtani, R., & Cheema, S. (2020). Use of telehealth during the COVID-19 pandemic: Scoping review. Journal of Medical Internet Research, 22, e24087. https://doi.org/10.2196/24087
Du Rietz, E., Cheung, C. H. M., McLoughlin, G., Brandeis, D., Banaschewski, T., Asherson, P., & Kuntsi, J. (2016). Self-report of ADHD shows limited agreement with objective markers of persistence and remittance. Journal of Psychiatric Research, 82, 91–99. https://doi.org/10.1016/j.jpsychires.2016.07.020.
Duden. (2022). Duden [WWW Document]. https://www.duden.de/rechtschreibung/Vokal . Zugegriffen: 21. Dez. 2022.
Europäisches Parlament. (2020). Europäisches Parlament [WWW Document]. https://www.europarl.europa.eu/news/de/headlines/society/20200827STO85804/was-ist-kunstliche-intelligenz-und-wie-wird-sie-genutzt. Zugegriffen: 21. Dez. 2022.
Fagherazzi, G., Fischer, A., Ismael, M., & Despotovic, V. (2021). Voice for health: The use of vocal biomarkers from research to clinical practice. Digit Biomark, 5, 78–88. https://doi.org/10.1159/000515346.
FAZ, Wirtschaft. (2018). Deutsche sehen Risiken: Große Skepsis gegenüber Künstlicher Intelligenz. Große Skepsis gegenüber Künstlicher Intelligenz (faz.net). Zugegriffen: 10. Dez. 2022.
FMH. (2022). Verbindung der Schweizer Ärztinnen und Ärzte. Künstliche Intelligenz im ärztlichen Alltag. Einsatzgebiete in der Medizin: Nutzen, Herausforderungen und Forderungen der FMH. https://www.fmh.ch/files/pdf27/20220914_fmh_brosch-ki_d.pdf.
Gartner. (2022). Hype cycle forschungsmethodik [WWW Document]. Gartner. https://www.gartner.de/de/methoden/hype-cycle. Zugegriffen: 18. Dez. 2022.
Kompakt, G. (2022). Zweite Industrielle Revolution. Geschichte Abitur, . URL:https://www.geschichte-abitur.de/lexikon/uebersicht-industrielle-revolution/zweite-industrielle-revolution. Zugegriffen: 29. Dez. 2022.
Goldsack, J. C., Coravos, A., Bakker, J. P., Bent, B., Dowling, A. V., Fitzer-Attas, C., Godfrey, A., Godino, J. G., Gujar, N., Izmailova, E., Manta, C., Peterson, B., Vandendriessche, B., Wood, W. A., Wang, K. W., & Dunn, J. (2020). Verification, analytical validation, and clinical validation (V3): The foundation of determining fit-for-purpose for Biometric Monitoring Technologies (BioMeTs). NPJ Digit Med, 3, 55. https://doi.org/10.1038/s41746-020-0260-4.
Hafner, M., Yerushalmi, E., Dufresne, E., & Gkousis, E. (2022). The potential socio-economic impact of telemedicine in Canada. Rand Health Quarterly, 9, 6.
Hanson, D. G., Gerratt, B. R., & Ward, P. H. (1984). Cinegraphic observations of laryngeal function in Parkinson’s disease. The Laryngoscope, 94, 348–353. https://doi.org/10.1288/00005537-198403000-00011.
Hartelius, L., & Svensson, P. (1994). Speech and swallowing symptoms associated with Parkinson’s disease and multiple sclerosis: A survey. Folia Phoniatrica et Logopedica, 46, 9–17. https://doi.org/10.1159/000266286.
Hashimoto, D. A., Witkowski, E., Gao, L., Meireles, O., & Rosman, G. (2020). Artificial intelligence in anesthesiology: Current techniques, clinical applications, and limitations. Anesthesiology, 132, 379–394. https://doi.org/10.1097/ALN.0000000000002960.
Hincapié, M. A., Gallego, J. C., Gempeler, A., Piñeros, J. A., Nasner, D., & Escobar, M. F. (2020). Implementation and usefulness of telemedicine during the COVID-19 pandemic: A scoping review. Journal of Primary Care & Community Health, 11, 2150132720980612. https://doi.org/10.1177/2150132720980612.
Ho, A. K., Iansek, R., Marigliani, C., Bradshaw, J. L., & Gates, S. (1999). Speech impairment in a large sample of patients with Parkinson’s disease. Behavioural Neurology, 11, 131–137.
Holmqvist-Jämsén, S., Johansson, A., Santtila, P., Westberg, L., von der Pahlen, B., & Simberg, S. (2017). Investigating the role of salivary cortisol on vocal symptoms. Journal of Speech, Language, and Hearing Research, 60, 2781–2791. https://doi.org/10.1044/2017_JSLHR-S-16-0058.
Industrie-Wegweiser. (2017). Von Industrie 1.0 bis 4.0 – Industrie im Wandel der Zeit. https://industrie-wegweiser.de/von-industrie-1-0-bis-4-0-industrie-im-wandel-der-zeit/. Zugegriffen: 22. Dez. 2022.
Kah, R. (2018). Klangfarbe Musik – Definition und Beispiele. https://ronaldkah.de/klangfarbe-musik/. Zugegriffen: 15. Dez. 2022.
König, A., Satt, A., Sorin, A., Hoory, R., Toledo-Ronen, O., Derreumaux, A., Manera, V., Verhey, F., Aalten, P., Robert, P. H., & David, R. (2015). Automatic speech analysis for the assessment of patients with predementia and Alzheimer’s disease. Alzheimers Dement (Amst), 1, 112–124. https://doi.org/10.1016/j.dadm.2014.11.012.
Konrad, E. (1998). Zur Geschichte der Künstlichen Intelligenz in der Bundesrepublik Deutschland. In D. Siefkes, P. Eulenhöfer, H. Stach, & K. Städtler (Hrsg.), Sozialgeschichte der Informatik: Kulturelle Praktiken und Orientierungen, Studien zur Wissenschafts- und Technikforschung (S. 287–296). Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-663-08954-4_17.
Krankenhauszukunftsgesetz (KHZG). (2021). Gesundheit digitalisieren. URL https://gesundheit-digitalisieren.de/prozessoptimierung/krankenhauszukunftsgesetz-khzg/. Zugegriffen: 12. Dez. 2022.
Kraus, V. B. (2018). Biomarkers as drug development tools: Discovery, validation, qualification and use. Nature Reviews Rheumatology, 14, 354–362. https://doi.org/10.1038/s41584-018-0005-9.
Laguarta, J. (2020). COVID-19 artificial intelligence diagnosis using only cough recordings. IEEE Open Journal of Engineering in Medicine and Biology, 1, 275–281. https://doi.org/10.1109/OJEMB.2020.3026928.
Lancellotti, C., Cancian, P., Savevski, V., Kotha, S.R.R., Fraggetta, F., Graziano, P., & Tommaso, L. D. (2021). Artificial intelligence & tissue biomarkers: Advantages, risks and perspectives for pathology. Cells 10. https://doi.org/10.3390/cells10040787.
Lang, A. E., & Lozano, A. M. (1998). Parkinson’s disease. New England Journal of Medicine, 339, 1044–1053. https://doi.org/10.1056/NEJM199810083391506
Levelt, W. J. M. (1993). Speaking: From intention to articulation. https://doi.org/10.7551/mitpress/6393.001.0001.
Logemann, J. A., Fisher, H. B., Boshes, B., & Blonsky, E. R. (1978). Frequency and cooccurrence of vocal tract dysfunctions in the speech of a large sample of Parkinson patients. The Journal of Speech and Hearing Disorders, 43, 47–57. https://doi.org/10.1044/jshd.4301.47.
Ma, A., Lau, K. K., & Thyagarajan, D. (2020). Voice changes in Parkinson’s disease: What are they telling us? Journal of Clinical Neuroscience, 72, 1–7. https://doi.org/10.1016/j.jocn.2019.12.029.
Martorell, A., Martin-Gorgojo, A., Ríos-Viñuela, E., Rueda-Carnero, J. M., Alfageme, F., & Taberner, R. (2022). Artificial intelligence in dermatology: A threat or an opportunity? Actas Dermo-Sifiliográficas, 113, 30–46. https://doi.org/10.1016/j.ad.2021.07.003.
mdr.de. (2018). Dr. med. Digitalis | MDR.DE [WWW Document]. https://www.mdr.de/wissen/medizin_im_netz-100.html. Zugegriffen: 20. Dez. 2022.
Microsoft. (2020). Microsoft [WWW Document]. News Center Microsoft Deutschland. https://news.microsoft.com/de-de/einfach-erklaert-was-ist-kuenstliche-intelligenz/. Zugegriffen: 21. Dez. 2022.
Noffs, G., Perera, T., Kolbe, S. C., Shanahan, C. J., Boonstra, F. M. C., Evans, A., Butzkueven, H., van der Walt, A., & Vogel, A. P. (2018). What speech can tell us: A systematic review of dysarthria characteristics in Multiple Sclerosis. Autoimmunity Reviews, 17, 1202–1209. https://doi.org/10.1016/j.autrev.2018.06.010.
Profiling, P. (2021). Voice biomarkers. Medical Voice Analytics – PeakProfiling, zuletzt aufgerufen am, 29(12), 2022.
Pennestrì, F., & Banfi, G. (2022). Artificial intelligence in laboratory medicine: Fundamental ethical issues and normative key-points. Clinical Chemistry and Laboratory Medicine (CCLM), 60, 1867–1874. https://doi.org/10.1515/cclm-2022-0096.
Polier, G., Ahlers, E., Volkening, J., Langner, J., Patil, K., Eickhoff, S., Helmhold, F., & Langner, D. (2021). Predicting adult attention deficit hyperactivity disorder (ADHD) using vocal acoustic features. https://doi.org/10.1101/2021.03.18.21253108.
Prat, C. S., Madhyastha, T. M., Mottarella, M. J., & Kuo, C.-H. (2020). Relating natural language aptitude to individual differences in learning programming languages. Science and Reports, 10, 3817. https://doi.org/10.1038/s41598-020-60661-8.
Pützer, M., Wokurek, W., & Moringlane, J. R. (2017). Evaluation of phonatory behavior and voice quality in patients with multiple sclerosis treated with deep brain stimulation. Journal of Voice, 31, 483–489. https://doi.org/10.1016/j.jvoice.2016.10.022.
Rajput, A. H. (1992). Frequency and cause of Parkinson’s disease. Canadian Journal of Neurological Sciences, 19, 103–107. https://doi.org/10.1017/S0317167100041457.
Reilly, J., Peelle, J. E., Antonucci, S. M., & Grossman, M. (2011). Anomia as a marker of distinct semantic memory impairments in Alzheimer’s disease and semantic dementia. Neuropsychology, 25, 413–426. https://doi.org/10.1037/a0022738.
Robin, R. H. (2013). A short history of linguistics. Routledge. https://doi.org/10.4324/9781315843186.
Robin, J., Harrison, J. E., Kaufman, L. D., Rudzicz, F., Simpson, W., & Yancheva, M. (2020). Evaluation of speech-based digital biomarkers: Review and recommendations. Digit Biomark, 4, 99–108. https://doi.org/10.1159/000510820.
Sarasin, P. (2022). Schlecht gealtert. Joseph Weizenbaums »Die Macht der Computer und die Ohnmacht der Vernunft« (1976/78). https://doi.org/10.14765/ZZF.DOK-2429.
Spiegel Wissenschaft. Psyche, 2000. „Grabesstimme“ verrät starke Depressionen, Psyche: „Grabesstimme“ verrät starke Depressionen – DER SPIEGEL (zuletzt aufgerufen am 23.12.20229
Srueckstiess. (2021). BPtK-Auswertung: Monatelange Wartezeiten bei Psychotherapeut*innen. BPTK. https://www.bptk.de/bptk-auswertung-monatelange-wartezeiten-bei-psychotherapeutinnen/. Zugegriffen: 18. Dez. 2022.
Stevens, T., Livingston, G., Kitchen, G., Manela, M., Walker, Z., & Katona, C. (2002). Islington study of dementia subtypes in the community. British Journal of Psychiatry, 180, 270–276. https://doi.org/10.1192/bjp.180.3.270.
Taguchi, T., Tachikawa, H., Nemoto, K., Suzuki, M., Nagano, T., Tachibana, R., Nishimura, M., & Arai, T. (2018). Major depressive disorder discrimination using vocal acoustic features. Journal of Affective Disorders, 225, 214–220. https://doi.org/10.1016/j.jad.2017.08.038 telemedizin-data.pdf, n.d.
Tenzer, F. (2022). Smartphones – Anteil der Nutzer in Deutschland bis 2021 [WWW Document]. Statista. https://de.statista.com/statistik/daten/studie/585883/umfrage/anteil-der-smartphone-nutzer-in-deutschland/. Zugegriffen: 12. Dez. 2022.
Thome, J., Ehlis, A.-C., Fallgatter, A. J., Krauel, K., Lange, K. W., Riederer, P., Romanos, M., Taurines, R., Tucha, O., Uzbekov, M., & Gerlach, M. (2012). Biomarkers for attention-deficit/hyperactivity disorder (ADHD). A consensus report of the WFSBP task force on biological markers and the World Federation of ADHD. World Journal of Biological Psychiatry, 13, 379–400. https://doi.org/10.3109/15622975.2012.690535.
Thyrian, J. R. (2017). People with dementia in primary care : Prevalence, incidence, risk factors and interventions. Zeitschrift für Gerontologie und Geriatrie, 50, 32–38. https://doi.org/10.1007/s00391-017-1223-5.
Tolosa, E., Wenning, G., & Poewe, W. (2006). The diagnosis of Parkinson’s disease. Lancet Neurology, 5, 75–86. https://doi.org/10.1016/S1474-4422(05)70285-4.
Tóth, L., Hoffmann, I., Gosztolya, G., Vincze, V., Szatlóczki, G., Bánréti, Z., Pákáski, M., & Kálmán, J. (2018). A speech recognition-based solution for the automatic detection of mild cognitive impairment from spontaneous speech. Current Alzheimer Research, 15, 130–138. https://doi.org/10.2174/1567205014666171121114930.
Tracy, J. M., Özkanca, Y., Atkins, D. C., & Hosseini Ghomi, R. (2020). Investigating voice as a biomarker: Deep phenotyping methods for early detection of Parkinson’s disease. Journal of Biomedical Informatics, 104, 103362. https://doi.org/10.1016/j.jbi.2019.103362.
Wang, J.-G., Li, Y., Chia, Y.-C., Cheng, H.-M., Minh, H. V., Siddique, S., Sogunuru, G. P., Tay, J. C., Teo, B. W., Tsoi, K., Turana, Y., Wang, T.-D., Zhang, Y.-Q., Kario, K., Prevention, H. C. O., & Evidence (HOPE) Asia Network. (2021). Telemedicine in the management of hypertension: Evolving technological platforms for blood pressure telemonitoring. Journal of Clinical Hypertension (Greenwich, Conn.), 23, 435–439. https://doi.org/10.1111/jch.14194.
Weinzierl, S. (2008). Handbuch der Audiotechnik. Springer Science & Business Media.
Xu, T., Pujara, S., Sutton, S., & Rhee, M. (2018). Telemedicine in the management of type 1 diabetes. Preventing Chronic Disease, 15, E13. https://doi.org/10.5888/pcd15.170168.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schmitz-Grosz, K., Lindacher, F. (2023). Chancen und Herausforderungen von Vocal Biomarkern in der Telemedizin – Artifizielle Intelligenz (AI) und Phonetik als Grundlage neuer Diagnostik. In: Plugmann, J., Plugmann, P. (eds) Innovationen in der Gesundheitsversorgung. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-41681-2_8
Download citation
DOI: https://doi.org/10.1007/978-3-658-41681-2_8
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-41680-5
Online ISBN: 978-3-658-41681-2
eBook Packages: Medicine (German Language)