Motorické aspekty poruch řeči u Parkinsonovy nemoci a jejich hodnocení

Souhrn

U pacientů s Parkinsonovou nemocí (PN) se zpravidla vyskytuje hypokinetická dysartrie (HD), projevující se v oblasti fonace, artikulace, prozodie a plynulosti řeči. Naše práce se zabývá parametry, které se využívají při hodnocení motorických aspektů řeči, a metodami, pomocí nichž je možné tyto parametry získat a analyzovat. Přehled specifických parametrů HD a metod jejich hodnocení může prakticky přispět k vytvoření diagnostického systému, který by byl schopen HD u PN jednak rozpoznávat a jednak sledovat vývoj její progrese.

Klíčová slova:
Parkinsonova nemoc – hypokinetická dysartrie – parametry řeči

Úvod

Parkinsonova nemoc byla poprvé popsána v roce 1817 Jamesem Parkinsonem v práci s názvem „An Essay on the Shaking Palsy“ [1]. Toto neurodegenerativní onemocnění mozku se vyznačuje zejména progresivním úbytkem dopaminergních neuronů, především v oblasti substancia nigra pars compacta, ale i v dalších oblastech mozku [2–5]. Kromě deficitu dopaminu dochází k progresivním deficitům i v dalších neurotransmiterových systémech. Parkinsonský syndrom je ovšem převážně, i když ne výlučně, zapříčiněn poruchou dopaminergní inervace striata, jež vede k poruše funkce zpětnovazebních okruhů zvaných extrapyramidový systém. Deficit dopaminu je tak příčinou hlavních parkinsonských symptomů a podkladem léčebného účinku dopaminergní medikace na motorické symptomy PN [3,6,7]. Několik studií dokázalo, že progrese PN není lineární. Na počátku lze sledovat rychlý nástup zejména hybných symptomů, ale v dalších stadiích nejsou změny tak prudké [8,9].

Jedním z častých projevů PN je postižení motorických aspektů řeči, které lze shrnout pod označením hypokinetická dysartrie (HD) [10]. Naše práce shrnuje charakteristické projevy HD u PN a podává přehled parametrů, které by mohly sloužit k popisu a diagnostice HD a ke sledování její progrese.

Řeč pacientů postižených PN

Přibližně 70 % pacientů postižených Parkinsonovou nemocí má problémy s řečí [11]. To je dáno především přítomností HD, která se projevuje v oblastech fonace, artikulace, prozodie, plynulosti řeči a faciokineze. [12–15]. Z hlediska zpracování řečových signálů se práce soustředí zejména na první čtyři zmíněné oblasti.

Fonace

Fonace je zpravidla první oblast, ve které se HD projevuje. Z důvodu ztuhlosti svalstva nepracují hlasivky dokonale, např. nedochází k jejich úplnému uzavření. Navíc je turbulentní proudění z plic charakteristické výrazným kolísáním, což se ve výsledku projevuje hlasovým třesem [7,16,17]. U pacientů postižených PN je možné pozorovat zvýšenou střední hodnotu kmitočtu základního tónu F₀, a to jak u promluvy delších větných celků [18–20], tak u promluvy prodloužených vokálů [21]. Metter a Hanson [20] rovněž zjistili, že s prodlužující se dobou postižení tato střední hodnota roste, tudíž tento parametr lze využít k posuzování pokročilosti onemocnění. Kolísání a rozptyl F₀, většinou popisovaný pomocí směrodatné odchylky [21–23] nebo jitteru [23–26], nabývá u prodloužených vokálů vyšších hodnot, což je zapříčiněno neschopností udržet hrtanové svaly ve stabilní pozici po delší dobu.

Dále je možné u pacientů pozorovat hypofonii (sníženou intenzitu hlasu) [27] a dysfonii (degradace kvality hlasu – chraptivost, drsnost, které snižují srozumitelnost řeči) [28,29]. Úroveň intenzity řečového signálu je nízká [19,30,31] a v důsledku bradykineze a rigidity rovněž příliš nekolísá, tzn. odpovídající shimmer nabývá malých hodnot [17].

Z hlediska respirace řečníci neefektivně hospodaří s dechem [20,32,33]. Stává se, že pacienti náhle zvyšují či snižují tempo řeči, několikrát opakují počáteční slabiku slov, vytváří pauzy tam, kde by být neměly, na jeden nádech vysloví malý počet slabik atd. Při prudkém uvolnění dechového proudu přes nosní dutinu dochází k hypernazalitě [15,34], což se v modulovém spektru řeči projeví zdůrazněním některých formantových kmitočtů.

Artikulace

Druhou nejčastější narušenou oblastí je artikulace. Porucha je zřejmá zejména při vyslovení konsonant [22,35,36]. Největší problémy [36–38] nastávají zvláště při výslovnosti ploziv [p], [t], [k], [b], [d], [g]. Je to opět dáno nesprávnou prací svalstva účastnícího se na tvorbě řeči, v tomto případě aktivních artikulačních orgánů (rtů, špičky jazyka, středu jazyka, kořene jazyka, hrtanové příklopky a hrtanu). Řeč pak zní nesrozumitelně, nedbale a nepřirozeně.

K hodnocení preciznosti artikulace se často využívají DDK (Diadochokinetic Tasks) úlohy [39–41]. Během těchto úloh vyslovují řečníci opakující se slabiky obsahující kombinaci ploziva – samohláska, např. „pa ta ka pa ta ka pa ta ka …“ [42]. Při vyslovení této řady dochází k rychlým změnám v postavení artikulačních orgánů. V některých případech nejsou pacienti schopni tyto rychlé změny provádět, v jiných případech udržují kadenci na úkor snížené pohyblivosti mluvidel, a tudíž zvýšené nesrozumitelnosti. Správné vyslovení vokálů se odvíjí od objemu hrtanu a dutiny ústní, ve kterých dochází k rezonancím. To je možné měřit pomocí formantových kmitočtů, jež s prostorem v dutinách úzce souvisí [14,16,29,43].

Prozodie

Prozodie řečníka se částečně odvíjí od fonace, jelikož mezi tři základní suprasegmentální rysy patří kmitočet základního tónu, intenzita a tempo řeči. Kromě těchto základních parametrů patří mezi prozodické rysy také např. rytmus, intonace, přízvuk atd. Protože je většina těchto faktorů u pacientů narušena, hovoří se o tzv. dysprozodii [20,27,44–46]. Caekebeke et al [46] zjistili, že pacienti postižení PN příliš v řeči nevyjadřují aktivní emoce, jako např. vztek.

Plynulost řeči

Při HD může dojít k narušení plynulosti řeči. Řečníci mohou vytvářet neúmyslné pauzy (hezitace) nebo během řeči zrychleně opakují slova či jednotlivé slabiky (palilalie) [47–49]. Dále dochází během promluvy k náhlému zpomalení (bradyfemie) nebo zrychlení (tachyfemie) řeči [50].

Parametry využívané při popisu HD u PN

Z hlediska analýzy HD pomocí zpracování řečových signálů se přistoupilo především k parametrům popisujícím prozodii a práci mluvidel (např. hrotu jazyka). Problémem některých prací publikovaných na dané téma je velmi malý počet zařazených subjektů, nesignifikantní výsledky, a tudíž i nejednoznačné a nekonzistentní závěry [49,51–53]. Stává se tak, že různé práce přiřazují stejným parametrům jinou váhu.

Kmitočet základního tónu F₀

Jak bylo uvedeno v textu výše, patří mezi tři základní suprasegmentální rysy. Tohoto sledovaného parametru se při diagnóze PN hojně využívá, především pak jeho střední hodnoty mean (F₀) a odchylky std (F₀). V publikacích [54,55] nepozorovali autoři výrazné rozdíly střední hodnoty F₀ mezi pacienty s PN a přibližně stejně starými kontrolními řečníky. Nicméně většina publikací se shoduje na tom, že tato hodnota u pacientů dosahuje výrazně vyšších hodnot [18–20,52,56].

K popisu variability F₀ se nejčastěji využívá směrodatná odchylka a jitter. V literatuře [21,22,24,52] bylo zjištěno, že při výslovnosti prodloužených vokálů nabývá směrodatná odchylka vyšších hodnot, nicméně z globálního hlediska, při sledování delších větných úseků, mluví pacienti velmi monotónně, a tudíž tato odchylka oproti zdravým řečníkům klesá [18,20,57–59].

Skodda et al [44] sledovali také parametr (F₀ Variation Range), který odpovídá rozdílu maximálních a minimálních hodnot vyskytujících se v promluvě:

F₀VR = F_0max – F_0min [Hz]

Normalizace tohoto parametru spolu se směrodatnou odchylkou vede na výpočet dalších parametrů: relativní kolísání a relativní směrodatnou odchylku. Tyto parametry lze vyjádřit pomocí rovnic:

                   std(F₀)
relF₀SD = -------------- × 100 [%]
                   mean(F₀)

                    F₀VR
relF₀VR = -------------- × 100 [%]
                   mean(F₀)

Intenzita řečového signálu

Intenzita řeči pacientů postižených PN bývá nižší oproti zdravým řečníkům [30,31,60,61] a také příliš nekolísá [38,52,62]. Pokud jsou řečníci vyzváni k hlasité promluvě, tak jsou schopni na krátkou dobu hlas zesílit, avšak po uplynutí této doby intenzita jejich hlasu opět klesá [63].

Tuto intenzitu je možné z hlediska zpracování signálů vyjádřit pomocí krátkodobé energie nebo prostřednictvím Teagrova energetického operátoru TEO (Teager Energy Operator) [64,65]. Kolísání intenzity je možné vyjádřit využitím směrodatné odchylky nebo shimmeru, který sleduje změnu úrovně signálu v čase (výpočet je podobný jako v případě jitteru). Dále se dá sledovat rozdíl maximální a minimální hodnoty energie ΔE či úrovně ΔA.

Tempo řeči

Jako třetí základní suprasegmentální rys se uvádí tempo řeči. Různé výzkumy se neshodují na tom, zda je tempo u pacientů zvýšené [32,38,66], snížené [67] či se oproti tempu řeči kontrolních řečníků nemění [18,20,68].

Tempo řeči je možné vyjádřit pomocí různých charakteristik zmíněných níže. Než budou popsány, je nutné definovat absolutní trvání řečového signálu TST (Total Speech Time), celkové trvání pauz TPT (Total Pause Time) a trvání čistě řečového signálu NST (Net Speech Time). Uvažujme, že TST je trvání řeči, která obsahuje i tiché, např. mezislovní, pauzy. TPT je celková délka pauz delší než 10 ms. NST pak odpovídá rozdílu TST – TPT [44,53].

• Absolutní tempo TSR (Total Speech Rate) [44] – poměr celkového počtu slabik vyskytujících se v řeči a TST (vyjádřeno ve slabikách za sekundu).
• Tempo čistě řečového signálu NSR (Net Speech Rate) [44,53] – poměr celkového počtu slabik vyskytujících se v řeči a NST (vyjádřeno ve slabikách za sekundu).
• Artikulační rychlost AR (Articulation Rate) [16,69] – podobné jako NSR, nicméně v tomto případě jsou pauzy delší než 50 ms.

Tvorba pauz

Změny jako neúmyslné přerušování řeči či prodlužování pauz lze sledovat pomocí následujících parametrů:

• Procentuální poměr pauz PPR (Percentual Pause Ratio) [16,44,53,69] – tento parametr lze vypočítat na základě vztahu PPR = TPT/TST (%).
• Procentuální poměr pauz nacházejících se uvnitř slov RIWP (Ratio of Intra-Word Pauses) [44,53] – hodnota je rovna podílu TIPT/TPT (%), kde TIPT (Total Intra-Word Pause Time) udává celkovou délku pauz uvnitř víceslabičných slov. Tento parametr vyjadřuje preciznost artikulace ploziv.
• Doba mezi pauzami ISD (Interpause Speech Duration) [42] – vyjadřuje se v sekundách.
• Index rytmicity SPIR (Speech Index of Rhytmicity) [42] – v tomto parametru se jistým způsobem odráží rytmus řeči. Hodnota odpovídá počtu mezislovních pauz za minutu.

Formantové kmitočty

Během průchodu turbulentního proudění hlasovým traktem dochází v hrtanu, dutině ústní a nosní k rezonancím. Kmitočty, na kterých k těmto rezonancím dochází, se nazývají formanty (F₁, F₂, F₃…). Hodnoty formantů a odpovídající prostor v dutinách ovlivňují svou polohou mluvidla. Díky tomu je pomocí formantu např. možné sledovat hybnost jazyka [70]. Hillenbrand et al [71] zjistili, že první dva formanty F₁ a F₂ jsou parametry, které nejvíce vypovídají o produkci vokálů. Proto se, spolu s charakteristikami z nich odvozenými, často používají k popisu řeči pacientů postižených PN.

Normalizované formantové kmitočty

Nevýhodou formantových kmitočtů je, že jsou silně závislé na věku a pohlaví. Sapir et al [72] používali poměr:

 F_2i
------
 F_2u

(odpovídající hláskám [i] a [u]), u kterého dokázali, že je schopen robustně odlišit zdravou řeč od řeči postižené HD, a navíc bez závislosti na pohlaví.

Vokální oblast hlasového traktu

Pomocí formantových kmitočtů je možné vyjádřit míru pohybu jazyka. Na tomto principu je založen příznak VSA (Vowel Space Area) [43,69,73,74]. Postup výpočtu znázorňuje obr. 1. Nejdříve se z řeči extrahují vokály [a], [e], [i], [o], [u] a následně se odhadnou jejich první dva formanty F₁, F₂. Hodnoty se zanesou do grafu, což vytvoří pětiúhelník, jehož obsah odpovídá parametru VSA. Někdy je možné použít také příznak lnVSA, který se počítá podobně jako VSA, nicméně hodnoty všech formantů se před výpočtem zlogaritmují [43]. U pacientů postižených PN se předpokládá snížená hybnost jazyka, tudíž i VSA či lnVSA by mělo oproti kontrolním řečníkům dosahovat nižších hodnot [52,69].

Artikulační index samohlásek a centralizační poměr formantů

Pomocí VSA jsme sice schopni dobře sledovat pohyb jazyka, avšak tato oblast je opět velmi závislá na věku a pohlaví [43]. K vytvoření robustního příznaku je nutné znovu zavést určitou normalizaci, která by tyto rozdíly potlačila. Z tohoto důvodu navrhli Skodda et al [53] artikulační index samohlásek VAI (Vowel Articulation Index) a Sapir et al [43] centralizační poměr formantů FCR (Formant Centralization Ratio). FCR je možné vyjádřit podílem:

             F_2u + F_2a + F_1i + F_1u
FCR ₌ ------------------------------
                    F_2i + F_1a

Jak je z rovnice patrné, normalizace je zde provedena dělením součtem formantů F_2i a F_1a. V případě příznaku VAI se jedná pouze o převrácenou hodnotu FCR [53].

Doba navození řeči

Doba navození řeči VOT (Voice Onset Time) je příznak, který je v [75,76] definován jako doba mezi prvním zákmitem plozivy a začátkem vokálu (obr. 2). Tato doba se liší v závislosti na druhu této plozivy. Autor [76] uvádí, že v případě bilabiálních souhlásek ([b], [p] – rty se před uvolněním dechového proudu dotýkají) je VOT nejkratší (okolo 25 ms), v případě alveolárních ([d], [t] – hrot jazyka se dotýká přední části dásňového výstupku) středně dlouhé a v případě velárních souhlásek ([g], [k] – kontakt hřbetu jazyka s měkkým patrem) dosahuje VOT nejvyšších hodnot (až 100 ms).

VOT se rovněž nabízí k popisu řeči postižené HD, nicméně publikace se různí v tom, jaké hodnoty by mělo VOT, vzhledem ke kontrolním řečníkům, dosahovat. Např. autoři Flint et al a Weismer [59,77] zjistili, že u pacientů lze očekávat snížené VOT. Naopak Forrest et al a Ozsancak et al [78,79] se shodují na tom, že by VOT mělo být vyšší. Nakonec Bunton et al [80] udávají, že HD nemá na VOT vliv. V dalších publikacích [81,82] byla tato inkonzistence vysvětlována závislostí VOT na tempu. Proto Fischer a Goberman [51] navrhli normalizovaný VOT jako podíl absolutního VOT a doby trvání slova, u kterého se VOT měří. V práci však přišli na to, že spíš než na tempu je VOT závislé na vertikální poloze jazyka.

Ukončení a navození fonace

Tato poslední charakteristika popisuje změnu kmitočtu základního tónu F₀ na konci a začátku znělého úseku řeči POPO (Phonatory Offset and Phonatory Onset). Bylo zjištěno [36,56,83,84], že pacienti mají problémy znělý úsek náhle ukončit. Naopak započetí znělého úseku není příliš odlišné od kontrolních řečníků [84]. Oblast ukončení fonace [84] se označuje jako oblast čítající posledních 10 hlasivkových pulzů ve znělém úseku (obr. 3). Jestliže se perioda mezi prvním a druhým zákmitem označí jako T₀¹, pak její převrácená hodnota odpovídá F₀¹. Podobně pak lze vyjádřit F₀² (odpovídá periodě mezi druhým a třetím pulzem),…, F₀⁹. Stejným způsobem se pak analyzuje 10 hlasivkových pulzů na začátku znělého úseku (v tomto případě se pouze jako první pulz označuje ten, který je poslední v řadě).

Aby se mohly sledovat změny mezi těmito kmitočty, vyjádří se F₀² – F₀⁹ pomocí půltónů ST (Semitone) na základě vztahu:

Během analýzy se potom sleduje dynamika změny těchto kmitočtů.

Přehled používaných parametrů

Pro lepší přehled jsou v tab. 1 uvedeny všechny sledované parametry, kterými se tato práce zabývala. Podrobnější informace o těchto parametrech je možné dohledat v citované literatuře, doporučujeme zejména článek Alexandra M. Gobermana [7].

Závěr

Tato práce se zabývá charakteristikami, které se používají k popisu postižení řeči HD. Jsou zde uvedeny oblasti, v nichž se HD projevuje a dále parametry, pomocí kterých je možné míru postižení určitým způsobem kvantifikovat.

Řečové parametry je možné rozdělit na dvě třídy, a sice na parametry, které by bylo možné použít k diagnóze HD, a parametry, které by sloužily ke sledování míry progrese tohoto postižení. K účelům diagnózy se v této práci doporučuje používat parametry, jež jsou schopny signifikantně diferencovat skupinu zdravých a nemocných řečníků. Na základě studované literatury to jsou parametry popisující tvorbu pauz (např. PPR, RIWP či SPIR) a parametry odvozené z formantových kmitočtů

  F_2i
(----- lnVSA, FCR).
  F_2u

Z hlediska pozorování progrese doporučujeme využívat parametry založené na změně kmitočtu základního tónu (std(F₀), jitter, relF₀SD), na tempu řeči (NSR, AR) a popř. na dynamice ukončení a navození fonace (POPO).

Parametry odvozené z energie řečového signálu nedoporučejeme používat k diagnóze ani sledování progrese, jelikož jsou velmi závislé na kalibraci použitého mikrofonu. V případě žádné či nepřesné kalibrace jsou řečové parametry z intenzitního hlediska zkresleny. Také není zatím zcela jasné, zda je výhodné použít parametr VOT, protože se literatura v názoru na očekávanou hodnotu u pacientů různí. Tyto nekonzistentní názory jsou však většinou zapříčiněny testovací množinou čítající nízký počet řečníků.

Poděkování

Tato práce byla podpořena projektem KONTAKT ME 10123 (Výzkum algoritmů pro zpracování digitálních obrazů a obrazových sekvencí), projektem VG20102014033 a výzkumnými záměry CZ.1.05/2.1.00/03.0072 a MŠM 0021622404.

doc. MUDr. Irena Rektorová, Ph.D.

I. neurologická klinika LF MU

a FN u sv. Anny v Brně

Pekařská 53

656 91 Brno

e-mail: irena.rektorova@fnusa.cz

Přijato k recenzi: 22. 4. 2011

Přijato do tisku: 2. 5. 2011