Учёные из Бостонского университета (Boston University) разработали компьютерную программу, которая с точностью 78,5% может предсказать, разовьётся ли у человека с лёгкими когнитивными нарушениями болезнь Альцгеймера. Эта программа использует машинное обучение для анализа речи пациента.
Раннее обнаружение болезни может помочь замедлить её прогрессирование. Однако до сих пор не существует надёжного способа предсказать, у кого разовьётся деменция, связанная с болезнью Альцгеймера.
Исследователи говорят, что их новая технология может помочь изменить это. Она позволяет клиницистам заглянуть в будущее и ставить более ранние диагнозы. Это также может сделать скрининг когнитивных нарушений более доступным, поскольку не требуются дорогостоящие лабораторные тесты, визуализирующие обследования или даже посещения офиса.
Обычно диагностика болезни Альцгеймера включает в себя ряд обследований: интервью, визуализацию мозга, анализы крови и спинномозговой жидкости. Но к тому времени, вероятно, будет уже слишком поздно: воспоминания начали ускользать, давно устоявшиеся черты личности начали незаметно меняться.
При раннем обнаружении новые новаторские методы лечения могут замедлить безжалостное прогрессирование болезни, но не существует надёжного способа предсказать, у кого разовьётся деменция, связанная с болезнью Альцгеймера.
Теперь исследователи говорят, что они разработали многообещающую новую компьютерную программу или модель искусственного интеллекта, которая однажды может помочь изменить это — просто анализируя речь пациента.
Модель может предсказать с точностью 78,5 процентов, сохранит ли человек с лёгкими когнитивными нарушениями стабильность в течение следующих шести лет или впадет в деменцию, связанную с болезнью Альцгеймера.
Модель основана на машинном обучении — подмножестве искусственного интеллекта, где учёные-компьютерщики обучают программу самостоятельно анализировать данные.
Исследователи надеются, что их работа поможет сделать скрининг когнитивных нарушений более доступным и автоматизировать некоторые его части, что позволит избежать дорогостоящих лабораторных тестов, визуализирующих обследований или даже посещений офиса.
Чтобы обучить и построить свою новую модель, учёные обратились к данным одного из старейших и самых продолжительных исследований в стране — Фрамингемского исследования сердца, проводимого Бостонским университетом.
Участники исследования, демонстрирующие признаки снижения когнитивных функций, проходят регулярные нейропсихологические тесты и интервью, предоставляя обширную информацию об их когнитивном благополучии.
Исследователи использовали комбинацию инструментов распознавания речи и машинного обучения, чтобы обучить модель выявлять связи между речью, демографией, диагнозом и прогрессированием заболевания. После обучения модели на подмножестве исследуемой популяции они проверили её прогностическую способность на остальных участниках.
Вместо того чтобы использовать акустические особенности речи, такие как произношение или скорость, модель просто извлекает информацию из содержания интервью — произнесённых слов и их структуры. А информация, которую они помещают в программу машинного обучения, неровная: записи, например, беспорядочные — низкого качества и наполнены фоновым шумом.
Однако, несмотря на это, модель смогла извлечь что-то полезное из этих данных. Это важно, поскольку частично проект был направлен на тестирование способности ИИ сделать процесс диагностики деменции более эффективным и автоматизированным с минимальным участием человека.
В будущем подобные модели можно будет использовать для оказания помощи пациентам, находящимся за пределами медицинских центров, или для обеспечения регулярного мониторинга посредством взаимодействия с домашним приложением, что резко увеличит число людей, проходящих обследование.
Литература.
“Prediction of Alzheimer’s disease progression within 6 years using speech: a novel approach leveraging language models” by Ioannis Paschalidis et al. Alzheimer’s & Dementia