پیش‌بینی آلزایمر از الگوهای گفتاری توسط هوش مصنوعی

یک مدل هوش مصنوعی که توسط محققان دانشگاه بوستون توسعه یافته است، می‌تواند پیشرفت بیماری آلزایمر را در بیماران مبتلا به اختلال شناختی خفیف با دقت 78.5 درصد  و از طریق تجزیه و تحلیل گفتار پیش‌بینی کند.

به گزارش تک‌ناک، این ابزار هوش مصنوعی از داده‌های مطالعۀ قلب فرامینگهام استفاده می‌کند و رویکردی در دسترس‌تر برای تشخیص آلزایمر ارائه می‌دهد، که به‌طور بالقوه امکان مداخلات اولیه را فراهم می‌کند.

تلاش برای فهمیدن اینکه آیا فردی به بیماری آلزایمر مبتلا است یا خیر، به طور معمول شامل مجموعه‌ای از ارزیابی‌ها مانند: مصاحبه، تصویربرداری مغز، آزمایش خون و مایع مغزی نخاعی است. امّا تا آن زمان به احتمال زیاد خیلی دیر می‌شود. خاطرات شروع به از بین رفتن می‌کنند و ویژگی‌های شخصیتی به‌طور ماهرانه تغییر خواهند کرد. اگر این بیماری زود تشخیص داده شود، درمان‌های پیشگامانۀ جدید می‌توانند پیشرفت بی‌رحمانۀ آن را کاهش دهند، امّا هیچ راه مطمئنی برای پیش‌بینی اینکه چه کسی به زوال عقل مرتبط با آلزایمر مبتلا می‌شود، وجود ندارد.

بیشتر بخوانید:

• این ابزار هوشمند مراقب گیاهان آپارتمانی شما است

پیشرفت در مدل‌های پیش‌بینی‌ کنندۀ هوش مصنوعی

به‌تازگی محققان دانشگاه بوستون می‌گویند که یک برنامه یا مدل جدید امیدوارکننده با هوش مصنوعی طراحی کرده‌اند که می‌تواند روزی به تغییر این رویه فقط با تجزیه و تحلیل گفتار بیمار، کمک کند.

مدل هوش مصنوعی جدید می‌تواند با دقت 78.5 درصد پیش‌بینی کند که آیا وضعیت فردی با اختلال شناختی خفیف در شش سال آینده پایدار می‌ماند یا به زوال عقل مرتبط با بیماری آلزایمر مبتلا می‌شود.

محققان می‌گویند کار آنها می‌تواند با خودکار کردن بخش‌هایی از فرآیند بدون نیاز به تست‌های آزمایشگاهی گران‌قیمت، معاینات تصویربرداری، یا حتی مراجعه به مطب، به تشخیص اختلالات شناختی کمک کنند. این مدل با یادگیری ماشینی که زیرمجموعه‌ای از هوش مصنوعی است و در آن دانشمندان برنامه‌ای را برای تجزیه و تحلیل مستقل داده‌ها آموزش می‌دهند، ارائه می‌شود.

یوانیس پاشالیدیس، مدیر مؤسسۀ محاسباتی BU Rafik B. Hariri گفت: ما به دنبال پیش‌بینی این بودیم که در شش سال آینده برای افراد دارای اختلال خفیف چه اتفاقی رخ می‌دهد و متوجه شدیم که می‌توانیم آن را با اطمینان و دقت به نسبت خوبی پیش‌بینی کنیم. این قدرت هوش مصنوعی را نشان می‌دهد.

گروهی از مهندسان، نوروبیولوژیست‌ها و دانشمندان کامپیوتر و داده، یافته‌های خود را در مجلۀ Alzheimer’s & Dementia منتشر کردند.

پاشالیدیس عنوان کرد: امیدواریم درمان‌های آلزایمر بیشتر و بیشتر در دسترس باشد. اگر بتوانیم پیش‌بینی کنیم که چه اتفاقی می‌افتد، فرصت بیشتری برای مداخله با داروها وجود دارد و حداقل می‌توان ثبات شرایط را حفظ و از انتقال به انواع شدیدتر زوال عقل جلوگیری کرد.

محاسبۀ احتمال ابتلا به بیماری آلزایمر

محققان برای آموزش و ساخت مدل جدید خود، به داده‌های یکی از قدیمی‌ترین و طولانی‌ترین مطالعات یعنی مطالعۀ قلب فرامینگهام به رهبری محققان دانشگاه BU روی آوردند. اگرچه مطالعۀ فرامینگهام بر سلامت قلب و عروق متمرکز است، امّا شرکت‌کنندگانی که نشانه‌هایی از زوال شناختی را از خود نشان می‌دهند، تحت آزمایش‌ها و مصاحبه‌های عصبی-روان‌شناختی منظم قرار می‌گیرند و به این شکل اطلاعات زیادی در مورد بهزیستی شناختی آنها تولید می‌شود.

پاشالیدیس و همکارانش از 166 مصاحبۀ اولیه با افراد 63 تا 97 ساله که دارای اختلال شناختی خفیف بودند، ضبط صوتی دریافت کردند. به‌ نظر می‌رسید وضعیت 76 نفر آنها در شش سال آینده ثابت می‌ماند و در این مدت، عملکرد شناختی 90 نفر آنها به تدریج کاهش خواهد یافت. سپس محققان از ترکیب ابزارهای تشخیص گفتار و یادگیری ماشینی برای آموزش مدلی برای تشخیص ارتباط بین گفتار، جمعیت‌شناسی، تشخیص و پیشرفت بیماری استفاده کردند. پس از آموزش آن بر روی زیرمجموعه‌ای از جمعیت مورد مطالعه، آنها قدرت پیش‌بینی مدل خود را بر روی باقی شرکت‌کنندگان مورد آزمایش قرار دادند.

پاشالیدیس بیان کرد: ما اطلاعات استخراج شده از ضبط‌های صوتی را با برخی از مشخصات جمعیتی بسیار ابتدایی مانند: سن، جنسیت و غیره ترکیب می‌کنیم و امتیاز نهایی را می‌گیریم. می‌توان امتیاز را به عنوان احتمال اینکه وضعیت یک نفر ثابت بماند یا به زوال عقل منتقل شود، در نظر گرفت. این مدل هوش مصنوعی توانایی پیش‌بینی قابل‌توجهی داشت.

هوش مصنوعی: ابزاری برای گسترش دسترسی به مراقبت‌های درمانی

این مدل هوش مصنوعی به جای استفاده از ویژگی‌های آکوستیک گفتار، مانند بیان یا سرعت، فقط کلمات گفته شده و شیوۀ ساختار آنها را از محتوای مصاحبه بیرون می‌کشد. پاشالیدیس در این زمینه گفت: اطلاعاتی که ما در برنامۀ یادگیری این مدل قرار دادیم، ناموزون بود، به عنوان نمونه: ضبط‌ها به هم ریخته و با کیفیت پایین و پر از نویز پس‌زمینه هستند. این یک ضبط بسیار معمولی است و حتی با وجود این، مدل قادر به تشخیص با دقت بالایی بود.

این پروژه تا حدی در مورد آزمایش توانایی هوش مصنوعی برای کارآمدتر و خودکار کردن فرآیند تشخیص زوال عقل، با دخالت اندک انسان بود. محققان بر این باور هستند که در آینده، مدل‌هایی مانند مدل‌های آنها می‌تواند برای مراقبت از بیمارانی که دسترسی نزدیکی به مراکز پزشکی ندارند یا برای ارائه نظارت خانگی، مورد استفاده قرار گیرد و تعداد افرادی که تشخیص داده می‌شوند را به شدت افزایش دهد. بر اساس گزارش بین‌المللی بیماری آلزایمر، اکثر افراد مبتلا به زوال عقل در سراسر جهان هرگز تشخیص رسمی دریافت نمی‌کنند و همین موضوع باعث می‌شود آنها از درمان و مراقبت مناسب محروم شوند.

رودا آئو، یکی از نویسندگان این مقاله بیان کرد: هوش مصنوعی این قدرت را دارد که مراقبت‌های درمانی و فرصت‌های برابر ایجاد کند.

تشخیص زوال عقل از خانه

در تحقیقات آینده، پاشالیدیس مایل است که علاوه بر استفاده از مصاحبه‌های رسمی با پزشک و بیمار، از مکالمات طبیعی‌تر و روزمره نیز بهره بگیرد. او در حال حاضر به دنبال انجام پروژه‌ای است که آیا هوش مصنوعی می‌تواند به تشخیص زوال عقل از طریق یک برنامۀ تلفن هوشمند کمک کند.

ذکر این نکته ضروری است که آزمایش‌های فرامینگهام شامل نقاشی‌های بیمار و داده‌های مربوط به الگوهای زندگی روزمره می‌باشد تا دقت پیش‌بینی مدل را افزایش دهد.

آئو نیز تأکید کرد: دنیای دیجیتال مانند خون است. شما می‌توانید آن را جمع‌آوری، تجزیه و تحلیل و ذخیره کنید.