The amount of people with dementia in Sweden is increasing, as are the associated costs. Thus, technological innovations, digitalization, and new work practices are becoming more crucial to accommodate this development. There is an increasing demand for a more time-effective dementia diagnosis process, and one area for improvement is within speech assessments. This thesis has investigated whether it is possible to develop an interface for multidimensional clinical language analysis of dementia. The result was an automated tool that evaluates transcribed speech from several different dimensions. These include a machine learning prediction, a syntactic analysis in the form of a word dependency plot, a semantic analysis, and a series of different linguistic features. The visualization was created with the Python package Gradio and divided into two tabs: one with the numerical values and one with graphs to facilitate comparisons to baselines from the data. Furthermore, a market analysis has been conducted to investigate the potential of such an application in the Swedish medical market and where it could be implemented. This was conducted through interviews with three different market participants. From the interviews, it was found that there is potential for such an application for speech-language pathologists, who conduct more thorough speech assessments. The interviews revealed that the analysis of speech is still heavily manual-intensive and presents an opportunity for time optimization. It is in this aspect that the market viability of the tool lies.

Antalet personer i Sverige med demens ökar, liksom kostnaderna inom demensvården. Tekniska innovationer, digitalisering och nya arbetssätt blir därför allt mer avgörande för att utrusta sjukvården för denna förändring. Det finns ett ökat behov av en mer tidseffektiv demensutredning och ett förbättringsområde är inom talbedömningar. Detta examensarbete har undersökt om det är möjligt att utveckla ett gränssnitt för multidimensionell klinisk språkanalys av demens. Resultatet blev ett automatiserat verktyg som utvärderar transkriberat tal från flera olika dimensioner. Detta inkluderar en maskininlärningsmodell, en syntaktisk analys i form av ett språkträd, en semantisk analys och en utvärdering av olika språkliga egenskaper. Visualiseringen var skapad med hjälp av Python-paketet Gradio och delades upp i två flikar: en med numeriska värden och en med grafer för att underlätta jämförelser med referensvärden från datan. Vidare har en marknadsanalys genomförts för att undersöka potentialen för en sådan applikation inom den svenska vården och var verktyget skulle kunna implementeras. Denna analys har genomförts genom intervjuer med tre olika marknadsaktörer. Man fann att det finns potential för ett sådant verktyg för logopeder, som utför mer noggranna talbedömningar. Intervjuerna avslöjade att analysen av tal fortfarande är en manuellt intensiv process som lämnar utrymme för tidsoptimering och att det är i denna aspekt som verktygets marknadspotential finns.