通过乐器的音准和节奏判别鉴定阿尔茨海默症方法及不同器乐类型对其治疗效果研究

赵春婷

摘要：阿尔茨海默症，是最常见和最重要的脑变性疾病，随着全球人口老龄化，阿尔茨海默症的发病率呈逐年显著上升趋势。北京地区的阿尔茨海默症患者约为15～20万，患病率约为7.8%，因其属于慢性进展性疾病，患者通常带病生存期为5至10年甚至更长，给社会和家庭会带来沉重的负担。采用键盘和打击乐器对待诊断者进行音准和节奏的测试，再将音准得分和节奏得分代入通过机器学习方法预先建立的诊断模型中计算，得到诊断结果。这种方法能简单、准确、快速地诊断阿尔茨海默症，并且适于大规模使用。同时，通过对待测者的常规血生化项目的检测，将试剂检测待测患者和获得音乐治疗的待测患者的数据进行计算，计算出两组数据比值，根据比值输出评价结果，得到评价的模型。这种方法可以简便、快速、准确地评价音乐治疗对阿尔茨海默症的疗效。

关键词：阿尔茨海默症  音乐治疗  音准和节奏  不同器乐类型

阿尔茨海默症（Alzheimer.s disease，简称AD），又称老年痴呆症。它是一种与年龄相关的慢性进行性中枢神经系统退行性疾病，大于65岁老年人中的AD患病率约为5%，且每增长5岁，AD发病风险会增加1倍。2015年全球阿尔茨海默症患者约为4680万，中国患病人数在全球居首位。2017年最新统计表明，我国65岁及以上人群中，老年痴呆症患病率为5.56%。

目前，阿尔茨海默症尚无法治愈，主要通过药物干预来缓解症状，延缓疾病发展。AD药物的研发是目前最为艰巨的领域之一。截至2019年初，依据相关统计，处于临床试验中的治疗AD药物有100多种。其中，有用于增强认知、治疗神经精神和行为症状以及用于疾病修饰等三大方面的药物研发，均采用靶向治疗方法。但是始终未有更为有效的治疗药物。同时，药物治疗还存在一定的不良反应。因此，近年来非药物治疗越来越多地应用于AD病人的治疗。例如营养治疗、体育锻炼治疗、认知训练治疗、模拟存在治疗、针灸治疗、宠物治疗、芳香治疗、音乐治疗等等。其中，音乐治疗是一种近半个多世纪以来采用的较为广泛的非药物治疗手段。它于20世纪40年代在美国密歇根州立大学正式成为跨专业学科。20世纪70年代传入亚洲，在日本和中国台湾较早发展起来。20世纪80年代传入中国后，发展成为一门应用性较强的跨专业的学科。

音乐治疗是指利用一切音乐活动形式（听、唱、演奏、肢体律动等）来达到重建、维持及促进心理和生理健康的治疗方式。国内外一些研究表明，通过间歇性的器乐欣赏能改善睡眠、调节情绪、刺激大脑语言中枢、改善记忆力、保持并改善生理功能、调节心理状态。现阶段，通过用于评价痴呆的测试量表（例如简易智能状态检查量表）评测也发现，音乐治疗对阿尔茨海默症有改善效果。但是，利用测试量表评测需通过人工问答方式完成，需大量人力投入，比较费时，不方便大规模开展。目前尚需一种简便、快速、准确评价音乐治疗对阿尔茨海默症疗效的方法。

一、研究背景

相关研究发现，在阿尔茨海默病和不同类型的痴呆症中，音乐对记忆力的作用惊人。“使用多变量模式分类来识别编码长期音乐记忆的大脑区域，结果显示，三个必不可少的阿尔茨海默病生物标记物，来源于我们的音乐记忆”①。同时，“器乐的演奏可以提高阿尔茨海默病患者的记忆，研究表明显式和隐式音乐记忆功能的分离，含蓄的，特别是程序性的音乐记忆，或演奏乐器的能力，可以有效地对阿尔茨海默症的程度进行判断，同时也是增强记忆力的方案”②。

欧美国家近半个多世纪，主要从音乐治疗对于改善记忆力、音乐治疗对于改善认知行为、音乐治疗在改善情绪、音乐治疗在改善语言功能等四个方面进行临床试验的研究③。这些研究主要在音乐治疗对于改善病人记忆功能、认知功能、行为功能、语言功能和情绪功能等方面取得了一些较好的效果。

中国音乐治疗的主导思想则主要源于《黄帝内经》中所记载的“天有五音，人有五脏;天有六律，人有六腑。”又载：（五音：宫商角徵羽）“角为木音通于肝，徵为火音通于心，宫为土音通于脾，羽为水音通于肾。”，又曰：“肝属木，在音为角，在志为怒;心属火，在音为徵，在志为喜;脾属土，在音为宫，在志为思;肺属金，在音为商，在志为忧;肾属水，在音为羽，在志为恐”。角、徵、宫、商、羽五音称之为“天五行”。中国古代哲学认为宇宙万物是由木、火、土、金、水五种元素组成，其相生又相克称为“五行”。五行与五脏的关系为肝属木，心属火，脾属土，肺属金，肾属水。由此，这些记载阐明了“五行”“五音”“五脏”的内在关联。五行、五脏、五音关系表④（见下图）：

根据以上古代医学典籍之论述，邀请作曲家，创作了五行之乐用于阿尔茨海默症的临床治疗之中。1985年中华医学会音乐出版社与音乐家一起共同编制出版了“五行音乐”系列磁带，其中包括12种不同的音樂， 这些磁带在中国受到欢迎， 也远销欧洲与东南亚国家， 目前，这些音乐对阿尔茨海默症的治疗取得了一些效果，但还有待进行进一步的临床试验。

此外，还有尝试采用中国传统音乐，包括民歌、小调、说唱、戏曲、器乐合奏等形式的音乐进行音乐治疗，取得了一些效果，但只是一种初步的试验性的尝试。

采用即兴音乐创作方法治疗阿尔茨海默症的做法，中外均有尝试，但是，对于“即兴”的定义、限定没有一个统一、科学的标准，在此不加以进一步的评价。

二、通过乐器的音准和节奏判别鉴定阿尔茨海默症的方法

一系列的神经心理学实验表明，“ （音乐对象）的关联知识，以及音乐情绪、乐器（音乐来源）和音乐符号（音乐符号），这些方面可以评估大脑对音乐的感知能力和神经心理功能。语义痴呆患者显示相对差地识别音乐作品和音乐符号;相比之下，阿尔茨海默症患者能更好地识别作曲家和音乐时代，和对受损的音乐符号的理解，但不能分辨正常的音乐情感识别和乐器的声音，结果说明音乐元素可以有效区分不同的脑疾病，暗示不同的发病规律”⑤。

对阿尔茨海默症进行早预测、早发现、早诊断和早干预，是解决这个医学和社会难题的重要手段。采用通过乐器的音准和节奏来判别鉴定阿尔茨海默症。采用键盘乐器和打击乐器进行音准和节奏的测试。其中，采用键盘乐器对待诊断者进行音准测试以得到音准得分，采用打击乐器对待诊断者进行节奏测试以得到节奏得分，将音准得分和节奏得分代入通过机器学习方法预先建立的诊断模型中进行计算，从而得到诊断结果。这种方法能够简单、准确、快速地诊断阿尔茨海默症，并且有可能推广使用。

具体的判别诊断步骤为：

1. 使待诊断者进行至少一次音准测试，得到至少一个音准得分;

2.使待诊断者进行至少一次节奏测试，得到至少一个节奏得分;

3.所有的音准得分和所有的节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果。

其中，音准测试采用大二度、大三度、纯五度的音程;节拍主要采用四分之二和四分之三拍。节奏型主要采用四分音符与八分音符的简单组合。音准方面取两个样本，节奏取一个样本，根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果通过逻辑回归法建立诊断基本模型：

Y =a+b×R2 + c×R4 +d×R6

从而，建立起采集模块和计算模块。采集模块，用于采集待诊断者的至少一个音准得分和至少一个节奏得分;计算模块，用于将待诊断者的所有音准得分和所有节奏得分代入通过机器学习方法建立的诊断模型中，计算出诊断结果。

再通过待诊断者的《健康参与者各项数据的统计情况》表和《阿尔茨海默症参与者各项数据的统计情况》表、教育程度、音准测试1、音准测试2（YZ2）、音准测试3、节奏测试1、节奏测试2、节奏测试3数据及MMSE诊断结果，通过逻辑回归算法进行参数训练及MMSE诊断结果，在基本的诊断模型基础上，得出ABCD四个变化的诊断模型，四个模型根据诊断结果和实际结果，按照如下公式计算各诊断模型的准确度、敏感度和特异性：

准确度=（tp+tn）/（tp+tn+fp+fn）

敏感度=tp/（tp+fn）

特异性=tn/（tn+fp）

最终得出变化诊断模型A准确度、敏感度和特异性均为最高。同时，其AUC值⑥也是最高的。

三、不同器乐类型对阿尔茨海默症的治疗效果研究

通过选择古今、中外器乐音乐类型（具体包含选择的10首器乐曲），播放长度控制在1个小时以内。选择5组人群，均为老年痴呆患者（MMSE量表评分在15～20分），每组6～10人。其中，4组患者分别对应不同器乐类型进行治疗;1组患者不采取音乐治疗。对4组实验组的对象，分别进行8次团体音乐治疗活动，每周一次，每次60分钟，连续2个月。治疗开始前及治疗后每月都进行一次指标考核。在干预处理前后，进行简易智能状态检查量表（MMSE）、阿尔茨海默症患者生活质量量表（QOL-AD）的测试，记录分数，统计分析。通过脑电波仪测定脑波变化，测定心率、血压等生理常规。通过生化仪，测定血和尿常规等手段对患者进行生理生化指标测试。最终，通过机器学习，分析影响音乐治疗的因子。利用不同的数学模型，对音乐治疗的效果进行有效性评估分析。

该治疗方法包括：利用试剂检测待测患者，获第一数据;对待测患者音乐治疗，用试剂检测待测患者，获第二数据;计算第二数据与第一数据比值;根据比值，用评价模型评价疗效;输出评价结果;评价模型通过如下步骤建立：用试剂检测患者群，获第三数据;对患者群音乐治疗，用试剂检测患者群，获第四数据;利用用于评价痴呆的测试量表评价疗效;计算第四数据与第三数据比值;根据比值和疗效评价结果，得到评价模型。

其中，建立评价模型的装置包括：数据采集模块，用于采集患者群在音乐治疗之前和音乐治疗之后的血生化项目数据以及采集利用用于评价痴呆的测试量表评价音乐治疗疗效的结果;数据处理模块，用于计算患者群在音乐治疗之后的血生化项目数据与在音乐治疗之前的血生化项目数据的比值;模型建立模块，用于根据比值和疗效评价结果，得到评价模型。

机器学习则是一门多领域交叉学科，专门研究计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。机器学习算法很多，例如线性回归、逻辑回归、决策树、朴素贝叶斯、K邻近算法、K-均值算法、随机森林、Bagging、支持向量机、降低维度算法等等。

其中，Bagging是一种用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数。Bagging要求“不稳定”（不稳定是指数据集的小的变动能够使得分类结果的显著的变动）的分类方法。

逻辑回归是通过拟合一个逻辑函数（logit fuction）来预测一个事件发生的概率。它的输出值在0～1之间。

随机森林是一种比较新的机器学习模型。上世纪八十年代Breiman等人发明分类树的算法，通过反复二分数据进行分类或回归，计算量大大降低。2001年Breiman把分类树组合成随机森林，即在变量（列）的使用和数据（行）的使用上进行随机化，生成很多分类树，再汇总分类树的结果。随机森林在运算量没有显著提高的前提下提高了预测精度。随机森林对多元公线性不敏感，结果对缺失数据和非平衡的数据比较稳健，可以很好地预测多达几千个解释变量的作用，被誉为当前最好的算法之一。

将经过治疗后的患者的疗效结果及各个患者治疗后与治疗前的各血生化项目检查结果的比值数据分别代入Bagging算法、逻辑回归算法、随机森林算法中进行参数训练，得到ABC三种评价模型。之后对ABC三种评价模型的敏感度、准确度和特异性进行评测，结果是Bagging算法取得的评价模型A的敏感度、准确度、特异性最高。抽取若干名与模型A中患者起居习惯、饮食习惯和运动习惯相近的阿尔茨海默症患者，将其治疗前和治疗后的血生化项目数据代入Bagging算法，得出音乐治疗效果的准确性达到89%。这种方法可以简便、快速、准确地评价音乐治疗对阿尔茨海默症的疗效，对于阿尔茨海默症音乐疗法的发展起到重要的作用。

注释：

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.國外音乐治疗在老年痴呆症中的研究与应用.【J】医学与哲学（临床决策论坛版）， 2007年11月第28卷第11期总第345期。

④刘燕，刘丽纯，申寻兵.西方音乐疗法改善阿尔茨海默病患者记忆功能的实效对比研究.[J].中医临床研究，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）是一种用来度量分类模型好坏的一个标准。

作者单位：北京市社会科学院