Ved at analysere talemønstre har forskere ved Boston University udviklet et AI-system, der med næsten 80% nøjagtighed kan forudsige, om en person med mild kognitiv svækkelse vil udvikle Alzheimers sygdom inden for seks år.
Den undersøgelsesom er offentliggjort i tidsskriftet Alzheimer's & Dementia, bruger kunstig intelligens til at udtrække værdifulde diagnostiske oplysninger fra kognitive vurderinger, hvilket fremskynder diagnosticeringen af Alzheimers og dermed behandlingen.
Teamets AI-model opnåede en nøjagtighed på 78,5% og en følsomhed på 81,1% i forudsigelsen af udviklingen fra mild kognitiv svækkelse (MCI) til Alzheimers sygdom inden for en seksårig tidsramme. Det slår andre traditionelle og ikke-invasive tests.
Afgørende er det dog, at systemet udelukkende baserer sig på let tilgængelige data: tale transskriberet fra kognitive vurderinger og grundlæggende demografiske oplysninger som alder, køn og uddannelsesniveau.
Kognitive vurderinger som Boston Naming Test involverer en kliniker, der taler med patienten. Lyden fra disse tests optages ofte til videre analyse.
"Vi ville gerne forudsige, hvad der ville ske i de næste seks år - og vi fandt ud af, at vi med rimelighed kan lave den forudsigelse med relativt stor sikkerhed og nøjagtighed". sagde Ioannis (Yannis) Paschalidisdirektør for BU Rafik B. Hariri Institute for Computing and Computational Science & Engineering og en af undersøgelsens ledende forskere.
"Hvis man kan forudsige, hvad der vil ske, har man bedre mulighed for at gribe ind med medicin og i det mindste forsøge at opretholde stabiliteten i tilstanden og forhindre overgangen til mere alvorlige former for demens."
Mere om undersøgelsen
Her er en oversigt over, hvordan undersøgelsen fungerede:
- Forskerteamet begyndte med at indsamle lydoptagelser af kognitive vurderinger fra 166 deltagere, der var diagnosticeret med mild kognitiv svækkelse (MCI). Derefter fulgte de disse personer over en seksårig periode for at afgøre, hvem der udviklede sig til Alzheimers sygdom, og hvem der forblev stabile.
- Teamet brugte avanceret talegenkendelsesteknologi til at transskribere lydoptagelserne og forberede dataene til analyse.
- Dernæst anvendte forskerne sofistikerede teknikker til behandling af naturligt sprog for at udtrække en lang række sproglige træk og mønstre, som de mente potentielt kunne tjene som indikatorer for Alzheimers risiko.
- De brugte derefter talefunktionerne og demografiske oplysninger til at udvikle flere maskinlæringsmodeller.
- Disse AI-modeller blev designet til at forudsige sandsynligheden for, at en given person ville udvikle sig fra mild kognitiv svækkelse til Alzheimers sygdom baseret på deres unikke talemønstre og personlige egenskaber.
- Modellerne opnåede en nøjagtighed på 78,5% og en følsomhed på 81,1% i forudsigelsen af, hvilke deltagere der ville udvikle Alzheimers inden for den seksårige undersøgelsesperiode.
- I en endelig analyse identificerede forskerholdet de kognitive tests, der havde størst forudsigelsesevne for Alzheimers-risiko, såsom Boston Naming Test, lighedstests og Wechsler Adult Intelligence Scale.
"Det digitale er det nye blod", siger Rhoda Au, professor ved BU's Chobanian & Avedisian School of Medicine og medforfatter til undersøgelsen.
"Man kan indsamle det, analysere det ud fra det, man ved i dag, gemme det og analysere det igen ud fra det nye, der dukker op i morgen."
Et af de mest interessante aspekter af undersøgelsen var, at visse dele af de kognitive vurderinger var særligt forudsigelige for den fremtidige risiko for Alzheimers.
"Vores analyse afslørede, at subtests relateret til demografiske spørgsmål, Boston Naming Test, lighedstest og Wechsler Adult Intelligence Scale viste sig at være de bedste funktioner, der drev vores models ydeevne", bemærker forskerne.
Det kan danne grundlag for udviklingen af mere målrettede kognitive vurderinger, som kan strømline screeningsprocessen yderligere.
Selv om resultaterne er lovende, indrømmer forskerne, at der er behov for yderligere validering i større og mere forskelligartede populationer.
Talegenkendelse kan åbne døren til tidlig diagnose
Taleanalyse har vist sig at være en værdifuld teknik til at forudsige Alzheimers og andre sygdomme.
I en 2020-undersøgelse I lighed med undersøgelsen fra Boston University demonstrerede forskere fra University of Sheffield deres AI's evne til at skelne mellem deltagere med Alzheimers sygdom eller mild kognitiv svækkelse og dem med funktionel kognitiv forstyrrelse eller raske kontrolpersoner med en nøjagtighed på 86,7%.
Forskere hos Klick Labs har også udviklet en AI-model der kan opdage type 2-diabetes ved hjælp af korte stemmeoptagelser på kun 6 til 10 sekunder. Fremskreden diabetes kan påvirke stemmen gennem nerveskader, nedsat blodgennemstrømning og mundtørhed, hvilket resulterer i synlige forandringer.
Undersøgelsen analyserede 18.000 optagelser for at identificere subtile akustiske forskelle mellem diabetikere og ikke-diabetikere.
I kombination med faktorer som alder og BMI opnåede modellen en maksimal testnøjagtighed på 89% for kvinder og 86% for mænd.
Tilsammen viser disse undersøgelser, at AI-støttede ikke-invasive tests og diagnostiske metoder kan føre til hurtigere og mere effektiv behandling, selv når der ikke er speciallæger og udstyr til stede.
