本研究は、音声バイオマーカーを用いたパーキンソン病（PD）の早期診断に関するもので、深層神経ネットワーク（DNN）と伝統的な機械学習（ML）モデルの性能を比較しています。PDは進行性の神経変性疾患であり、初期段階では音声障害がよく見られます。研究では、イタリアの音声データセットとパーキンソン病テレモニタリングデータセットから音声サンプルを取得し、メル周波数ケプストラム係数（MFCC）を抽出。モデルの有効性は1000回の独立したランを通じて評価され、DNNはイタリアのデータセットで98.65%、テレモニタリングデータセットで92.11%の平均精度を記録しました。非パラメトリックテストを用いて分類モデル間の違いを検証した結果、DNNの性能が伝統的MLモデルを上回ることが確認されました。研究は、音声バイオマーカーを用いた神経変性疾患の早期発見におけるDNNの潜在能力を強調しています。