Onderzoekers van de Universiteit van Boston hebben door het analyseren van spraakpatronen een AI-systeem ontwikkeld dat met bijna 80% nauwkeurigheid kan voorspellen of iemand met een milde cognitieve stoornis binnen zes jaar de ziekte van Alzheimer zal ontwikkelen.
De onderzoekgepubliceerd in het tijdschrift Alzheimer's & Dementia, maakt gebruik van AI om waardevolle diagnostische informatie uit cognitieve beoordelingen te halen, waardoor de diagnose van Alzheimer en daarmee de behandeling wordt versneld.
Het AI-model van het team behaalde een nauwkeurigheid van 78,5% en een gevoeligheid van 81,1% in het voorspellen van progressie van milde cognitieve stoornissen (MCI) naar de ziekte van Alzheimer binnen een tijdsbestek van zes jaar. Dit verslaat andere traditionele en niet-invasieve tests.
Cruciaal is echter dat het systeem alleen vertrouwt op eenvoudig te verkrijgen gegevens: spraak uit cognitieve beoordelingen en demografische basisinformatie zoals leeftijd, geslacht en opleidingsniveau.
Bij cognitieve tests zoals de Boston Naming Test praat een clinicus met de patiënt. Het geluid van deze tests wordt vaak opgenomen voor verdere analyse.
"We wilden voorspellen wat er in de komende zes jaar zou gebeuren, en we hebben ontdekt dat we die voorspelling redelijkerwijs met relatief veel vertrouwen en nauwkeurigheid kunnen doen," aldus de onderzoekers. zei Ioannis (Yannis) Paschalidis, directeur van het BU Rafik B. Hariri Institute for Computing and Computational Science & Engineering en een van de hoofdonderzoekers van het onderzoek.
"Als je kunt voorspellen wat er gaat gebeuren, heb je meer mogelijkheden en tijd om in te grijpen met medicijnen en kun je op zijn minst proberen de toestand stabiel te houden en de overgang naar ernstigere vormen van dementie te voorkomen."
Meer over het onderzoek
Hier volgt een uitsplitsing van hoe het onderzoek werkte:
- Het onderzoeksteam begon met het verzamelen van audio-opnames van cognitieve beoordelingen van 166 deelnemers met de diagnose mild cognitive impairment (MCI). Vervolgens volgden ze deze personen over een periode van zes jaar om te bepalen wie overging naar de ziekte van Alzheimer en wie stabiel bleef.
- Het team gebruikte geavanceerde spraakherkenningstechnologie om de audio-opnames te transcriberen en de gegevens klaar te maken voor analyse.
- Vervolgens pasten de onderzoekers geavanceerde natuurlijke taalverwerkingstechnieken toe om een breed scala aan linguïstische kenmerken en patronen te extraheren waarvan ze dachten dat ze mogelijk konden dienen als indicatoren voor het risico op Alzheimer.
- Vervolgens gebruikten ze de spraakkenmerken en demografische informatie om meerdere modellen voor machinaal leren te ontwikkelen.
- Deze AI-modellen werden ontworpen om de waarschijnlijkheid te voorspellen dat een bepaald individu zou evolueren van milde cognitieve stoornissen naar de ziekte van Alzheimer op basis van hun unieke spraakpatronen en persoonlijke kenmerken.
- De modellen bereikten een nauwkeurigheid van 78,5% en een gevoeligheid van 81,1% in het voorspellen welke deelnemers Alzheimer zouden ontwikkelen binnen de onderzoeksperiode van zes jaar.
- In een laatste analyse identificeerde het onderzoeksteam cognitieve tests met de grootste voorspellende kracht voor het risico op Alzheimer, zoals de Boston Naming Test, similariteitstests en de Wechsler Adult Intelligence Scale.
"Digitaal is het nieuwe bloed", zegt Rhoda Au, een professor aan BU's Chobanian & Avedisian School of Medicine en co-auteur van het onderzoek.
"Je kunt het verzamelen, analyseren op wat er vandaag bekend is, opslaan en opnieuw analyseren voor wat er morgen nieuw opduikt."
Een van de meest interessante aspecten van het onderzoek was dat bepaalde onderdelen van de cognitieve beoordelingen vooral voorspellend waren voor het toekomstige risico op Alzheimer.
"Uit onze analyse bleek dat subtests met betrekking tot demografische vragen, de Boston Naming Test, similariteitstests en de Wechsler Adult Intelligence Scale naar voren kwamen als de belangrijkste kenmerken die de prestaties van ons model bepaalden," merken de onderzoekers op.
Dit zou kunnen leiden tot de ontwikkeling van meer gerichte cognitieve beoordelingen, waardoor het screeningsproces verder gestroomlijnd wordt.
Hoewel de resultaten veelbelovend zijn, geven de onderzoekers toe dat verdere validatie in grotere, meer diverse populaties nodig is.
Spraakherkenning kan de deur openen naar een vroege diagnose
Spraakanalyse is een waardevolle techniek gebleken voor het voorspellen van Alzheimer en andere ziekten.
In een Studie 2020 Vergelijkbaar met het onderzoek van de Universiteit van Boston toonden onderzoekers van de Universiteit van Sheffield aan dat hun AI in staat was om met een nauwkeurigheid van 86,7% onderscheid te maken tussen deelnemers met de ziekte van Alzheimer of milde cognitieve stoornissen en deelnemers met functionele cognitieve stoornissen of gezonde controles.
Onderzoekers bij Klick Labs een AI-model ontwikkeld die diabetes type 2 kan detecteren aan de hand van korte stemopnames van slechts 6 tot 10 seconden. Gevorderde diabetes kan invloed hebben op de stem door zenuwbeschadiging, verminderde bloeddoorstroming en een droge mond, wat resulteert in waarneembare veranderingen.
Het onderzoek analyseerde 18.000 opnames om subtiele akoestische verschillen tussen diabetici en niet-diabetici te identificeren.
In combinatie met factoren als leeftijd en BMI behaalde het model een maximale testnauwkeurigheid van 89% voor vrouwen en 86% voor mannen.
Samen bewijzen deze onderzoeken dat AI-ondersteunde niet-invasieve tests en diagnostische methoden kunnen leiden tot een snellere, effectievere behandeling, zelfs als er geen gespecialiseerde artsen en apparatuur aanwezig zijn.
