通過樂器的音準和節奏判別鑒定阿爾茨海默癥方法及不同器樂類型對其治療效果研究

趙春婷

摘要：阿爾茨海默癥，是最常見和最重要的腦變性疾病，隨著全球人口老齡化，阿爾茨海默癥的發病率呈逐年顯著上升趨勢。北京地區的阿爾茨海默癥患者約為15～20萬，患病率約為7.8%，因其屬于慢性進展性疾病，患者通常帶病生存期為5至10年甚至更長，給社會和家庭會帶來沉重的負擔。采用鍵盤和打擊樂器對待診斷者進行音準和節奏的測試，再將音準得分和節奏得分代入通過機器學習方法預先建立的診斷模型中計算，得到診斷結果。這種方法能簡單、準確、快速地診斷阿爾茨海默癥，并且適于大規模使用。同時，通過對待測者的常規血生化項目的檢測，將試劑檢測待測患者和獲得音樂治療的待測患者的數據進行計算，計算出兩組數據比值，根據比值輸出評價結果，得到評價的模型。這種方法可以簡便、快速、準確地評價音樂治療對阿爾茨海默癥的療效。

關鍵詞：阿爾茨海默癥? 音樂治療? 音準和節奏? 不同器樂類型

阿爾茨海默癥（Alzheimer.s disease，簡稱AD），又稱老年癡呆癥。它是一種與年齡相關的慢性進行性中樞神經系統退行性疾病，大于65歲老年人中的AD患病率約為5%，且每增長5歲，AD發病風險會增加1倍。2015年全球阿爾茨海默癥患者約為4680萬，中國患病人數在全球居首位。2017年最新統計表明，我國65歲及以上人群中，老年癡呆癥患病率為5.56%。

目前，阿爾茨海默癥尚無法治愈，主要通過藥物干預來緩解癥狀，延緩疾病發展。AD藥物的研發是目前最為艱巨的領域之一。截至2019年初，依據相關統計，處于臨床試驗中的治療AD藥物有100多種。其中，有用于增強認知、治療神經精神和行為癥狀以及用于疾病修飾等三大方面的藥物研發，均采用靶向治療方法。但是始終未有更為有效的治療藥物。同時，藥物治療還存在一定的不良反應。因此，近年來非藥物治療越來越多地應用于AD病人的治療。例如營養治療、體育鍛煉治療、認知訓練治療、模擬存在治療、針灸治療、寵物治療、芳香治療、音樂治療等等。其中，音樂治療是一種近半個多世紀以來采用的較為廣泛的非藥物治療手段。它于20世紀40年代在美國密歇根州立大學正式成為跨專業學科。20世紀70年代傳入亞洲，在日本和中國臺灣較早發展起來。20世紀80年代傳入中國后，發展成為一門應用性較強的跨專業的學科。

音樂治療是指利用一切音樂活動形式（聽、唱、演奏、肢體律動等）來達到重建、維持及促進心理和生理健康的治療方式。國內外一些研究表明，通過間歇性的器樂欣賞能改善睡眠、調節情緒、刺激大腦語言中樞、改善記憶力、保持并改善生理功能、調節心理狀態。現階段，通過用于評價癡呆的測試量表（例如簡易智能狀態檢查量表）評測也發現，音樂治療對阿爾茨海默癥有改善效果。但是，利用測試量表評測需通過人工問答方式完成，需大量人力投入，比較費時，不方便大規模開展。目前尚需一種簡便、快速、準確評價音樂治療對阿爾茨海默癥療效的方法。

一、研究背景

相關研究發現，在阿爾茨海默病和不同類型的癡呆癥中，音樂對記憶力的作用驚人。“使用多變量模式分類來識別編碼長期音樂記憶的大腦區域，結果顯示，三個必不可少的阿爾茨海默病生物標記物，來源于我們的音樂記憶”①。同時，“器樂的演奏可以提高阿爾茨海默病患者的記憶，研究表明顯式和隱式音樂記憶功能的分離，含蓄的，特別是程序性的音樂記憶，或演奏樂器的能力，可以有效地對阿爾茨海默癥的程度進行判斷，同時也是增強記憶力的方案”②。

歐美國家近半個多世紀，主要從音樂治療對于改善記憶力、音樂治療對于改善認知行為、音樂治療在改善情緒、音樂治療在改善語言功能等四個方面進行臨床試驗的研究③。這些研究主要在音樂治療對于改善病人記憶功能、認知功能、行為功能、語言功能和情緒功能等方面取得了一些較好的效果。

中國音樂治療的主導思想則主要源于《黃帝內經》中所記載的“天有五音，人有五臟;天有六律，人有六腑。”又載：（五音：宮商角徵羽）“角為木音通于肝，徵為火音通于心，宮為土音通于脾，羽為水音通于腎。”，又曰：“肝屬木，在音為角，在志為怒;心屬火，在音為徵，在志為喜;脾屬土，在音為宮，在志為思;肺屬金，在音為商，在志為憂;腎屬水，在音為羽，在志為恐”。角、徵、宮、商、羽五音稱之為“天五行”。中國古代哲學認為宇宙萬物是由木、火、土、金、水五種元素組成，其相生又相克稱為“五行”。五行與五臟的關系為肝屬木，心屬火，脾屬土，肺屬金，腎屬水。由此，這些記載闡明了“五行”“五音”“五臟”的內在關聯。五行、五臟、五音關系表④（見下圖）：

根據以上古代醫學典籍之論述，邀請作曲家，創作了五行之樂用于阿爾茨海默癥的臨床治療之中。1985年中華醫學會音樂出版社與音樂家一起共同編制出版了“五行音樂”系列磁帶，其中包括12種不同的音樂， 這些磁帶在中國受到歡迎， 也遠銷歐洲與東南亞國家， 目前，這些音樂對阿爾茨海默癥的治療取得了一些效果，但還有待進行進一步的臨床試驗。

此外，還有嘗試采用中國傳統音樂，包括民歌、小調、說唱、戲曲、器樂合奏等形式的音樂進行音樂治療，取得了一些效果，但只是一種初步的試驗性的嘗試。

采用即興音樂創作方法治療阿爾茨海默癥的做法，中外均有嘗試，但是，對于“即興”的定義、限定沒有一個統一、科學的標準，在此不加以進一步的評價。

二、通過樂器的音準和節奏判別鑒定阿爾茨海默癥的方法

一系列的神經心理學實驗表明，“ （音樂對象）的關聯知識，以及音樂情緒、樂器（音樂來源）和音樂符號（音樂符號），這些方面可以評估大腦對音樂的感知能力和神經心理功能。語義癡呆患者顯示相對差地識別音樂作品和音樂符號;相比之下，阿爾茨海默癥患者能更好地識別作曲家和音樂時代，和對受損的音樂符號的理解，但不能分辨正常的音樂情感識別和樂器的聲音，結果說明音樂元素可以有效區分不同的腦疾病，暗示不同的發病規律”⑤。

對阿爾茨海默癥進行早預測、早發現、早診斷和早干預，是解決這個醫學和社會難題的重要手段。采用通過樂器的音準和節奏來判別鑒定阿爾茨海默癥。采用鍵盤樂器和打擊樂器進行音準和節奏的測試。其中，采用鍵盤樂器對待診斷者進行音準測試以得到音準得分，采用打擊樂器對待診斷者進行節奏測試以得到節奏得分，將音準得分和節奏得分代入通過機器學習方法預先建立的診斷模型中進行計算，從而得到診斷結果。這種方法能夠簡單、準確、快速地診斷阿爾茨海默癥，并且有可能推廣使用。

具體的判別診斷步驟為：

1. 使待診斷者進行至少一次音準測試，得到至少一個音準得分;

2.使待診斷者進行至少一次節奏測試，得到至少一個節奏得分;

3.所有的音準得分和所有的節奏得分代入通過機器學習方法建立的診斷模型中計算，得到診斷結果。

其中，音準測試采用大二度、大三度、純五度的音程;節拍主要采用四分之二和四分之三拍。節奏型主要采用四分音符與八分音符的簡單組合。音準方面取兩個樣本，節奏取一個樣本，根據第一樣本音準得分、第二樣本音準得分、樣本節奏得分及樣本診斷結果通過邏輯回歸法建立診斷基本模型：

Y =a+b×R2 + c×R4 +d×R6

從而，建立起采集模塊和計算模塊。采集模塊，用于采集待診斷者的至少一個音準得分和至少一個節奏得分;計算模塊，用于將待診斷者的所有音準得分和所有節奏得分代入通過機器學習方法建立的診斷模型中，計算出診斷結果。

再通過待診斷者的《健康參與者各項數據的統計情況》表和《阿爾茨海默癥參與者各項數據的統計情況》表、教育程度、音準測試1、音準測試2（YZ2）、音準測試3、節奏測試1、節奏測試2、節奏測試3數據及MMSE診斷結果，通過邏輯回歸算法進行參數訓練及MMSE診斷結果，在基本的診斷模型基礎上，得出ABCD四個變化的診斷模型，四個模型根據診斷結果和實際結果，按照如下公式計算各診斷模型的準確度、敏感度和特異性：

準確度=（tp+tn）/（tp+tn+fp+fn）

敏感度=tp/（tp+fn）

特異性=tn/（tn+fp）

最終得出變化診斷模型A準確度、敏感度和特異性均為最高。同時，其AUC值⑥也是最高的。

三、不同器樂類型對阿爾茨海默癥的治療效果研究

通過選擇古今、中外器樂音樂類型（具體包含選擇的10首器樂曲），播放長度控制在1個小時以內。選擇5組人群，均為老年癡呆患者（MMSE量表評分在15～20分），每組6～10人。其中，4組患者分別對應不同器樂類型進行治療;1組患者不采取音樂治療。對4組實驗組的對象，分別進行8次團體音樂治療活動，每周一次，每次60分鐘，連續2個月。治療開始前及治療后每月都進行一次指標考核。在干預處理前后，進行簡易智能狀態檢查量表（MMSE）、阿爾茨海默癥患者生活質量量表（QOL-AD）的測試，記錄分數，統計分析。通過腦電波儀測定腦波變化，測定心率、血壓等生理常規。通過生化儀，測定血和尿常規等手段對患者進行生理生化指標測試。最終，通過機器學習，分析影響音樂治療的因子。利用不同的數學模型，對音樂治療的效果進行有效性評估分析。

該治療方法包括：利用試劑檢測待測患者，獲第一數據;對待測患者音樂治療，用試劑檢測待測患者，獲第二數據;計算第二數據與第一數據比值;根據比值，用評價模型評價療效;輸出評價結果;評價模型通過如下步驟建立：用試劑檢測患者群，獲第三數據;對患者群音樂治療，用試劑檢測患者群，獲第四數據;利用用于評價癡呆的測試量表評價療效;計算第四數據與第三數據比值;根據比值和療效評價結果，得到評價模型。

其中，建立評價模型的裝置包括：數據采集模塊，用于采集患者群在音樂治療之前和音樂治療之后的血生化項目數據以及采集利用用于評價癡呆的測試量表評價音樂治療療效的結果;數據處理模塊，用于計算患者群在音樂治療之后的血生化項目數據與在音樂治療之前的血生化項目數據的比值;模型建立模塊，用于根據比值和療效評價結果，得到評價模型。

機器學習則是一門多領域交叉學科，專門研究計算機模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。機器學習算法很多，例如線性回歸、邏輯回歸、決策樹、樸素貝葉斯、K鄰近算法、K-均值算法、隨機森林、Bagging、支持向量機、降低維度算法等等。

其中，Bagging是一種用來提高學習算法準確度的方法，這種方法通過構造一個預測函數系列，然后以一定的方式將它們組合成一個預測函數。Bagging要求“不穩定”（不穩定是指數據集的小的變動能夠使得分類結果的顯著的變動）的分類方法。

邏輯回歸是通過擬合一個邏輯函數（logit fuction）來預測一個事件發生的概率。它的輸出值在0～1之間。

隨機森林是一種比較新的機器學習模型。上世紀八十年代Breiman等人發明分類樹的算法，通過反復二分數據進行分類或回歸，計算量大大降低。2001年Breiman把分類樹組合成隨機森林，即在變量（列）的使用和數據（行）的使用上進行隨機化，生成很多分類樹，再匯總分類樹的結果。隨機森林在運算量沒有顯著提高的前提下提高了預測精度。隨機森林對多元公線性不敏感，結果對缺失數據和非平衡的數據比較穩健，可以很好地預測多達幾千個解釋變量的作用，被譽為當前最好的算法之一。

將經過治療后的患者的療效結果及各個患者治療后與治療前的各血生化項目檢查結果的比值數據分別代入Bagging算法、邏輯回歸算法、隨機森林算法中進行參數訓練，得到ABC三種評價模型。之后對ABC三種評價模型的敏感度、準確度和特異性進行評測，結果是Bagging算法取得的評價模型A的敏感度、準確度、特異性最高。抽取若干名與模型A中患者起居習慣、飲食習慣和運動習慣相近的阿爾茨海默癥患者，將其治療前和治療后的血生化項目數據代入Bagging算法，得出音樂治療效果的準確性達到89%。這種方法可以簡便、快速、準確地評價音樂治療對阿爾茨海默癥的療效，對于阿爾茨海默癥音樂療法的發展起到重要的作用。

注釋：

①Baird， A.，& Samson，S.（2009）.Memory for music in Alzheimer's disease：Unforgettable？Neuropsychology Review，19，85 101.doi：10.1007/s11065-009-9085-2 [Crossref]， [PubMed]， [Web of Science ]， [Google Scholar]

②Jacobsen JH，Stelzer J，Fritz T，Chetelat G，LaJoie R，Turner R.Why musical memory can be preserved in advanced Alzheimer's disease.Brain 2015，138（8）：2438-2450.

③高天，王茜茹.國外音樂治療在老年癡呆癥中的研究與應用.【J】醫學與哲學（臨床決策論壇版）， 2007年11月第28卷第11期總第345期。

④劉燕，劉麗純，申尋兵.西方音樂療法改善阿爾茨海默病患者記憶功能的實效對比研究.[J].中醫臨床研究，2015年第7卷第15期。

⑤Rohani Omar，Julia C.Hailstone，Jane E.Warren，Sebastian J.Crutch，Jason D.Warren.（2010） The cognitive organization of music knowledge：a clinical analysis.Brain 133：4，pages 1200-1213.

⑥AUC（Area Under roc Curve）是一種用來度量分類模型好壞的一個標準。

作者單位：北京市社會科學院