Αλτσχάιμερ: Σύστημα τεχνητής νοημοσύνης εντοπίζει σημάδια στην ομιλία πριν αρχίσουν τα συμπτώματα
Πολύτιμο εργαλείο στα χέρια των γιατρών οι νέες τεχνολογικές εξελίξεις στον τομέα της ΤΝ και της μηχανικής μάθησης.
Ερευνητές του Ινστιτούτου Εγκεφάλου O’Donnell λένε ότι ένα απλό τεστ προσυμπτωματικού ελέγχου μπορεί να καθιερωθεί για την έγκαιρη ανίχνευση της γνωστικής έκπτωσης.
Νέες τεχνολογίες, που μπορούν να καταγράψουν ανεπαίσθητες αλλαγές στη φωνή ενός ασθενούς, μπορεί να βοηθήσουν τους γιατρούς να διαγνώσουν τη γνωστική εξασθένηση και τη νόσο Αλτσχάιμερ πριν αρχίσουν να εμφανίζονται τα κλασικά συμπτώματα, σύμφωνα με ερευνητή του UT Southwestern Medical Center, που ηγήθηκε μιας μελέτης η οποία δημοσιεύτηκε στο Alzheimer’s Association Diagnosis, Assessment & Disease Monitoring.
“Η εστίασή μας ήταν στον εντοπισμό λεπτών αλλαγών στην εκφορά λόγου (γλώσσα και ήχος) που είναι παρούσες στα πολύ πρώιμα στάδια της νόσου Αλτσχάιμερ, αλλά δεν είναι εύκολα αναγνωρίσιμες από τα μέλη της οικογένειας ή από τους γιατρούς”, δήλωσε ο δρ. Ihab Hajjar, καθηγητής νευρολογίας στο UT Southwestern.
Πώς έγινε η έρευνα
Οι ερευνητές χρησιμοποίησαν προηγμένα εργαλεία μηχανικής μάθησης και επεξεργασίας φυσικής γλώσσας (NLP) για να αξιολογήσουν τα μοτίβα ομιλίας σε 206 άτομα: 114 που πληρούσαν τα κριτήρια για ήπια γνωστική έκπτωση και 92 που ήταν χωρίς προβλήματα. Στη συνέχεια, η ομάδα χαρτογράφησε αυτά τα ευρήματα σε βιοδείκτες που χρησιμοποιούνται συνήθως για να καθορίσουν την αποτελεσματικότητά τους στην μέτρηση της βλάβης.
Οι συμμετέχοντες στην μελέτη, οι οποίοι εγγράφηκαν σε ένα ερευνητικό πρόγραμμα στο Πανεπιστήμιο Emory στην Ατλάντα, έλαβαν αρκετές τυπικές γνωστικές αξιολογήσεις πριν τους ζητηθεί να καταγράψουν μια αυθόρμητη περιγραφή ενός έργου τέχνης μέσα 1-2 λεπτά.
“Οι καταγεγραμμένες περιγραφές της εικόνας μας παρείχαν μια προσέγγιση των ικανοτήτων συνομιλίας που μπορούσαμε να μελετήσουμε μέσω Τεχνητής Νοημοσύνης (ΤΝ) για να προσδιορίσουμε τον έλεγχο του λόγου, την πυκνότητα των ιδεών, τη γραμματική πολυπλοκότητα και άλλα χαρακτηριστικά ομιλίας”, είπε ο δρ. Hajjar.
Η ερευνητική ομάδα συνέκρινε την ανάλυση ομιλίας των συμμετεχόντων με τα αντίστοιχα δείγματα εγκεφαλονωτιαίου υγρού και τις σαρώσεις μαγνητικής τομογραφίας για τον καθένα, προκειμένου να προσδιορίσει με πόση ακρίβεια οι βιοδείκτες ψηφιακής φωνής εντόπισαν τόσο την ήπια γνωστική εξασθένηση όσο και την κατάσταση και εξέλιξη της νόσου του Αλτσχάιμερ.
“Πριν από την ανάπτυξη της μηχανικής μάθησης και του NLP, η λεπτομερής μελέτη των προτύπων ομιλίας σε ασθενείς ήταν πολύ χρονοβόρα και δύσκολη και συχνά δεν ήταν επιτυχής, επειδή οι αλλαγές στα αρχικά στάδια είναι συχνά μη ανιχνεύσιμες στο ανθρώπινο αυτί. Αυτή η νέα μέθοδος εξέτασης απέδωσε καλά αποτελέσματα στην ανίχνευση ατόμων με ήπια γνωστική εξασθένηση και πιο συγκεκριμένα στην ταυτοποίηση ασθενών με ενδείξεις νόσου Αλτσχάιμερ, ακόμη και όταν αυτή δεν μπορεί να εντοπιστεί εύκολα χρησιμοποιώντας τις έως τώρα τυπικές γνωστικές αξιολογήσεις”, είπε ο δρ. Hajjar.
Κατά τη διάρκεια της μελέτης, οι ερευνητές αφιέρωσαν λιγότερα από 10 λεπτά για να καταγράψουν την φωνή κάθε ασθενούς. Τα παραδοσιακά νευροψυχολογικά τεστ συνήθως χρειάζονται αρκετές ώρες για να ολοκληρωθούν.
“Εάν επιβεβαιωθεί με μεγαλύτερες μελέτες, η χρήση της Τεχνητής Νοημοσύνης και της μηχανικής μάθησης για την μελέτη φωνητικών ηχογραφήσεων θα μπορούσε να προσφέρει στους γιατρούς ένα εύχρηστο εργαλείο ελέγχου για άτομα που διατρέχουν κίνδυνο για Αλτσχάιμερ ή γνωστική εξασθένηση. Οι ακόμα πιο έγκαιρες διαγνώσεις δίνουν στους ασθενείς και τις οικογένειές τους περισσότερο χρόνο για να προγραμματίσουν το μέλλον και στους κλινικούς γιατρούς μεγαλύτερη ευελιξία στο να προτείνουν πολλά υποσχόμενες παρεμβάσεις στον τρόπο ζωής”, κατέληξε ο δρ. Hajjar.
Πηγή: https://scitechdaily.com
