Durch die Analyse von Sprachmustern haben Forscher der Universität Boston ein KI-System entwickelt, das mit nahezu 80%-Genauigkeit vorhersagen kann, ob jemand mit leichter kognitiver Beeinträchtigung innerhalb von sechs Jahren an Alzheimer erkranken wird.
Die StudieDie in der Fachzeitschrift Alzheimer's & Dementia veröffentlichte Studie nutzt KI, um wertvolle diagnostische Informationen aus kognitiven Beurteilungen zu extrahieren und so die Alzheimer-Diagnose und damit auch die Behandlung zu beschleunigen.
Das KI-Modell des Teams erreichte eine Genauigkeit von 78,5% und eine Empfindlichkeit von 81,1% bei der Vorhersage des Fortschreitens einer leichten kognitiven Beeinträchtigung (MCI) zur Alzheimer-Krankheit innerhalb eines Zeitraums von sechs Jahren. Damit übertrifft es andere traditionelle und nicht-invasive Tests.
Entscheidend ist jedoch, dass sich das System ausschließlich auf leicht zu beschaffende Daten stützt: transkribierte Sprache aus kognitiven Bewertungen und grundlegende demografische Informationen wie Alter, Geschlecht und Bildungsniveau.
Bei kognitiven Tests wie dem Boston Naming Test spricht ein Kliniker mit dem Patienten. Der Ton dieser Tests wird häufig zur weiteren Analyse aufgezeichnet.
"Wir wollten vorhersagen, was in den nächsten sechs Jahren passieren wird - und wir haben herausgefunden, dass wir diese Vorhersage mit relativ hoher Zuverlässigkeit und Genauigkeit treffen können. sagte Ioannis (Yannis) Paschalidis, Direktor des Rafik B. Hariri Institute for Computing and Computational Science & Engineering der BU und einer der leitenden Forscher der Studie.
"Wenn man vorhersagen kann, was passieren wird, hat man mehr Möglichkeiten und ein größeres Zeitfenster, um mit Medikamenten einzugreifen und zumindest zu versuchen, die Stabilität des Zustands zu erhalten und den Übergang zu schwereren Formen der Demenz zu verhindern.
Mehr über die Studie
Hier eine Aufschlüsselung, wie die Studie funktionierte:
- Das Forschungsteam begann damit, Audioaufnahmen von kognitiven Bewertungen von 166 Teilnehmern zu sammeln, bei denen eine leichte kognitive Beeinträchtigung diagnostiziert wurde. Anschließend verfolgten sie diese Personen über einen Zeitraum von sechs Jahren, um festzustellen, bei wem die Alzheimer-Krankheit fortschritt und bei wem sie stabil blieb.
- Das Team nutzte fortschrittliche Spracherkennungstechnologie, um die Audioaufnahmen zu transkribieren und die Daten für die Analyse vorzubereiten.
- Anschließend wendeten die Forscher ausgefeilte Techniken zur Verarbeitung natürlicher Sprache an, um eine Vielzahl sprachlicher Merkmale und Muster zu extrahieren, von denen sie annahmen, dass sie möglicherweise als Indikatoren für das Alzheimer-Risiko dienen könnten.
- Anschließend nutzten sie die Sprachmerkmale und demografischen Informationen, um mehrere maschinelle Lernmodelle zu entwickeln.
- Diese KI-Modelle wurden entwickelt, um die Wahrscheinlichkeit vorherzusagen, dass eine bestimmte Person auf der Grundlage ihrer einzigartigen Sprachmuster und persönlichen Merkmale von einer leichten kognitiven Beeinträchtigung zur Alzheimer-Krankheit fortschreiten würde.
- Die Modelle erreichten eine Genauigkeit von 78,5% und eine Empfindlichkeit von 81,1% bei der Vorhersage, welche Teilnehmer innerhalb des sechsjährigen Studienzeitraums an Alzheimer erkranken würden.
- In einer abschließenden Analyse ermittelte das Forschungsteam die kognitiven Tests mit der höchsten Vorhersagekraft für das Alzheimer-Risiko, wie den Boston Naming Test, Ähnlichkeitstests und die Wechsler Adult Intelligence Scale.
"Digital ist das neue Blut", sagte Rhoda Au, Professorin an der Chobanian & Avedisian School of Medicine der BU und Mitautorin der Studie.
"Man kann sie sammeln, für das, was heute bekannt ist, analysieren, speichern und für das, was morgen neu auftaucht, neu analysieren."
Einer der interessantesten Aspekte der Studie war, dass bestimmte Teile der kognitiven Beurteilungen das zukünftige Alzheimer-Risiko besonders gut vorhersagen.
"Unsere Analyse ergab, dass sich Untertests zu demografischen Fragen, der Boston Naming Test, Ähnlichkeitstests und die Wechsler Adult Intelligence Scale als die wichtigsten Merkmale herausstellten, die die Leistung unseres Modells beeinflussten", schreiben die Forscher.
Dies könnte die Entwicklung von gezielteren kognitiven Beurteilungen ermöglichen und den Screening-Prozess weiter vereinfachen.
Die Ergebnisse sind zwar vielversprechend, aber die Forscher räumen ein, dass eine weitere Validierung in größeren, vielfältigeren Populationen erforderlich ist.
Spracherkennung kann die Tür zur Frühdiagnose öffnen
Die Sprachanalyse hat sich als wertvolle Technik zur Vorhersage von Alzheimer und anderen Krankheiten erwiesen.
In einem Studie 2020 Ähnlich wie in der Studie der Boston University haben die Forscher der University of Sheffield gezeigt, dass ihre KI in der Lage ist, zwischen Teilnehmern mit Alzheimer-Krankheit oder leichter kognitiver Beeinträchtigung und solchen mit funktionellen kognitiven Störungen oder gesunden Kontrollpersonen mit einer Genauigkeit von 86,7% zu unterscheiden.
Die Forscher von Klick Labs haben auch ein KI-Modell entwickelt das Typ-2-Diabetes anhand kurzer Sprachaufnahmen von nur 6 bis 10 Sekunden erkennen kann. Diabetes im fortgeschrittenen Stadium kann die Stimme durch Nervenschäden, beeinträchtigte Durchblutung und Mundtrockenheit beeinträchtigen, was zu wahrnehmbaren Veränderungen führt.
In der Studie wurden 18.000 Aufnahmen analysiert, um subtile akustische Unterschiede zwischen Diabetikern und Nicht-Diabetikern festzustellen.
In Kombination mit Faktoren wie Alter und BMI erreichte das Modell eine maximale Testgenauigkeit von 89% für Frauen und 86% für Männer.
Zusammengenommen beweisen diese Studien, dass KI-gestützte nicht-invasive Tests und Diagnosemethoden zu einer schnelleren und wirksameren Behandlung führen könnten, selbst wenn keine Fachärzte und Geräte zur Verfügung stehen.
