Spraakanalyse als signaal voor breingezondheid

Waarom spraak inzicht kan geven in breingezondheid

Spraak lijkt vanzelfsprekend, maar is neurologisch complex. Tijdens het spreken werken meerdere hersengebieden samen, onder andere voor taalverwerking, planning, geheugen en motoriek.

Wetenschappelijk onderzoek laat zien dat bij cognitieve achteruitgang vaak zeer subtiele veranderingen optreden in spraak, lang voordat dagelijkse problemen zichtbaar worden. Denk aan veranderingen in tempo, pauzes of woordgebruik.

Juist omdat spreken een alledaagse activiteit is, leent spraak zich goed voor het volgen van veranderingen over tijd.

Hoe spraak werkt als digitale biomarker

Bij een spraaktest wordt een korte (45 seconden) gesproken opdracht opgenomen. Die opname wordt vervolgens geanalyseerd met behulp van algoritmen die zijn getraind op grote datasets.

Daarbij wordt onder andere gekeken naar:

• spreektempo en variatie
• pauzes en stiltepatronen
• vloeiendheid van zinnen
• herhalingen en zelfcorrecties

Deze kenmerken zeggen iets over informatie­verwerking en cognitieve belasting.

Belangrijk is dat één meting weinig zegt. De waarde zit vooral in herhaling en het vergelijken van metingen over tijd.

Onderzoek naar digitale biomarkers laat zien dat juist dit longitudinale karakter bijdraagt aan het vroeg herkennen van veranderingen in breinfunctie.

Wat er wel en niet wordt geanalyseerd

Wat wel:

• Hoe iemand spreekt
• Structuur en ritme van spraak
• Veranderingen ten opzichte van eerdere metingen

Wat niet:

• De inhoud of betekenis van wat iemand zegt
• Emoties, meningen of intenties
• Individuele diagnoses of conclusies

De spraaktest is géén luistertool waar gesprekken worden opgenomen en geanlyseerd. De analyse is volledig gericht op patronen in spraakstructuur.

Klinische en wetenschappelijke onderbouwing

Spraakanalyse als digitale biomarker wordt al langer onderzocht binnen academische en klinische settings.

Onderzoek laat zien dat spraakpatronen kunnen samenhangen met cognitieve veranderingen. Ook binnen academische centra, waaronder Amsterdam UMC, wordt onderzoek gedaan naar de inzet van spraak als objectieve en schaalbare biomarker.

In een in 2025 gepubliceerd promotieonderzoek (opent in een nieuw venster) van Rosanne van den Berg (opent in een nieuw venster) (Amsterdam UMC) wordt onder meer gekeken naar digitale signalen die kunnen bijdragen aan het volgen van cognitieve functies over tijd.

Daarnaast sluit spraakanalyse aan bij bredere ontwikkelingen rond breinleeftijd en digitale biomarkers, waarbij meerdere meetmethoden worden gecombineerd om veranderingen beter te begrijpen.

Hoe werkt het spraakmodel achter deze test?

Achter spraakanalyse zit een zogenoemd algoritme of model. Dat kun je zien als een rekenmethode die leert van voorbeelden. In plaats van vaste regels te volgen, wordt het model getraind met grote hoeveelheden spraakopnames van verschillende mensen, gekoppeld aan bekende uitkomsten uit onderzoek en zorg.

Bij het door Remind toegepaste spraakmodel van Canary Speech gebeurt dat als volgt: het model analyseert duizenden tot miljoenen spraakfragmenten en leert patronen herkennen in onder andere tempo, pauzes, variatie en articulatie. Die patronen worden vervolgens vergeleken met gegevens van mensen met en zonder cognitieve aandoeningen. Zo leert het model welke combinaties van kenmerken vaker voorkomen bij bepaalde vormen van cognitieve verandering.

Belangrijk is dat het model niet luistert naar de inhoud van wat iemand zegt, maar naar hoe iemand spreekt. De betekenis van woorden is dus niet relevant, alleen de manier waarop spraak tot stand komt.

Breder toegepast dan dementie en Alzheimer alleen

In onderzoek en gespecialiseerde zorgcontexten wordt dit type model bestudeerd en toegepast bij uiteenlopende neurologische en psychiatrische aandoeningen, waaronder Alzheimer, milde cognitieve stoornissen en Parkinson. Binnen Remind wordt deze technologie uitsluitend ingezet voor niet-diagnostische monitoring van veranderingen over tijd.

Dat gebeurt in een laagdrempelige, herhaalbare vorm. Door spraak op meerdere momenten te analyseren, ontstaat inzicht in veranderingen over tijd, wat aansluit bij hoe cognitieve achteruitgang zich meestal ontwikkelt: geleidelijk en subtiel.

De rol van spraakanalyse binnen Remind

Binnen Remind wordt de spraaktest gebruikt als één van meerdere signalen.

Concreet gebeurt dit op drie manieren:

• Startpunt voor monitoring De eerste spraaktest geeft een persoonlijk referentiepunt.
• Veranderingen over tijd volgen Door herhaling kunnen subtiele trends zichtbaar worden, zonder conclusies te trekken op basis van één moment.
• Context bij andere metingen Spraak vormt samen met leefstijl, cognitieve tests en andere digitale signalen een breder beeld van breingezondheid.

Binnen de app worden deze inzichten stap voor stap gepresenteerd, met ruimte voor uitleg en context.

Wat je wel en niet van een spraaktest mag verwachten

De spraaktest is niet:

• een medische diagnose
• een voorspelling
• een beoordeling van hoe “goed” iemand spreekt

Juist door deze begrenzing kan spraak een veilige en waardevolle rol spelen in het volgen van breingezondheid.

Spraak als onderdeel van een breder geheel

Spraakanalyse is binnen Remind nooit een op zichzelf staand signaal. Veranderingen in breingezondheid uiten zich vaak op meerdere niveaus tegelijk. Daarom kiest Remind bewust voor een multi-modale benadering, waarin spraak wordt gecombineerd met andere metingen.

Spraakpatronen worden bekeken in samenhang met leefstijl, geheugentests en andere cognitieve signalen. Dit voorkomt dat conclusies worden getrokken op basis van één meetmethode en helpt om subtiele veranderingen beter te begrijpen. De kracht zit niet in één test, maar in het samenbrengen van meerdere perspectieven over tijd.

Tot slot

Spraak is een natuurlijke, dagelijkse functie waarin het brein continu actief is. Door spraak op een zorgvuldige en wetenschappelijk onderbouwde manier te analyseren, ontstaat een aanvullende manier om veranderingen in breingezondheid over tijd te volgen.

Binnen Remind wordt spraak daarom ingezet als digitale biomarker: ondersteunend, contextueel en altijd in combinatie met andere inzichten.