Modely a platformy AI
Modely AI využívají zpracování přirozeného jazyka k předpovědi rizika vzniku Alzheimerovy choroby
Tým výzkumníků z IBM a Pfizer (PFE ) vyvinul algoritmy AI, které mohou potenciálně detekovat příznaky Alzheimerovy choroby analýzou psaného jazyka a nalezením lingvistických vzorců.
Jiní výzkumníci AI vyvinuli modely určené k předpovědi vzniku Alzheimerovy choroby analýzou PET skenů nebo interpretací klinických testovacích dat. Tyto modely byly vyškoleny na nedávných datech, ale model vyvinutý týmem IBM-Pfizer byl vyškolován na datech ze studie Framingham Heart Study, která zahrnuje data o více než 14 000 lidech ze tří generací a šesti desetiletích. Dlouhodobá povaha dat je důležitá, protože pokud je AI schopná spolehlivě detekovat vzorce v rámci velkých populací po dlouhou dobu, výzkumníci by mohli potenciálně předpovědět projevení se Alzheimerovy choroby roky před současnými diagnostickými technikami. Kromě toho by to mohlo být spolehlivou diagnostickou metodou, která nevyžaduje použití skenovací technologie nebo invazivních testů, což by zvýšilo rozsah scénářů, ve kterých lze použít.
Podle viceprezidenta IBM pro zdravotní péči a životní vědy, Ajay Royyuru, modely AI vyvinuté výzkumným týmem mohou fungovat jako nástroj, který pomáhá lékařům získat nápovědu o možném vývoji Alzheimerovy choroby před klinickými testy. Modely mohou fungovat jako systém včasného varování, který vyzývá lékaře k provedení rozsáhlejších testů.
K výcviku modelů AI použil výzkumný tým přepisy ručně psaných odpovědí na různé otázky. Účastníci studie Framingham Heart Study byli požádáni, aby popsali obrázek scény pomocí svého přirozeného jazyka. Odpovědi generované respondenty byly digitalizovány a přepisy byly zavedeny do algoritmů strojového učení jako trénovací data. Podle IBM byly modely schopny zachytit určitých lingvistických funkcí, které jsou spojeny s rozvojem neurodegenerativních poruch. Lékaři již dlouho zjistili, že určitá opakovaná slova, chyby v pravopisu a preference pro jednoduché věty nad složitějšími větami mohou být indikátorem progrese Alzheimerovy choroby, a modely AI se zaměřily na stejné funkce.
Podle výsledků studie dosáhl hlavní model přibližně 70% přesnosti při předpovědi, kteří z účastníků původní studie nakonec vyvinuli Alzheimerovu chorobu do věku 85 let. Modely, a tedy i výsledky, byly odvozeny z historických dat v původní studii. Nesnažily se předpovědět budoucí události. Kromě toho byl model AI vyškolován na nejstarší podskupině populace Framingham. Tato populace byla primárně nehispanická bílá, a v důsledku toho existují limity, jak jsou výsledky obecně platné pro jiné etnické skupiny a populace po celém světě. Vzorek pro studii byl poměrně malý, skládající se z pouhých 40 jedinců, kteří vyvinuli demenci, a 40, kteří ji nevyvinuli.
Přes tyto limity má studie hodnotu jako jedna z prvních studií, která analyzuje velkoobjemová reálná data shromážděná po dlouhou dobu. Přesnost modelu by mohla být potenciálně zvýšena, pokud by byly do budoucích trénovacích dat zahrnuty určité funkce, které nebyly zahrnuty do studie, jako je například rukopis. Podobný přístup by mohl být použit i s audiozáznamy řeči, které zahrnují pauzy, které nejsou reprezentovány v písemném jazyce.
Podle Royyuru je výhodou použití vzorků jazyka to, že, bez ohledu na to, zda jsou vzorky mluvené nebo psané, jsou to neinvazivní metody zjišťování kognitivního stavu lidí. Shromažďování jazykových dat může být provedeno na dálku a relativně levně pomocí internetu, i když je důležité, aby byly zavedeny ochrany soukromí a informovaný souhlas při shromažďování takových dat.
Spoluautor studie a výzkumník pro neuroimaging a výpočetní psychiatrii v IBM, Guillermo Cecchi, vyjádřil pro Scientific American, že proces je upravován tak, aby lépe pochopil další formy onemocnění:
„Jsme v procesu využití této technologie k lepšímu pochopení onemocnění, jako je schizofrenie, [amyotrofní laterální skleróza] a Parkinsonova choroba, a děláme to v prospektivních studiích, které analyzují mluvené vzorky řeči, které jsou poskytovány se souhlasem z podobných kognitivních verbálních testů.“












