Kunstig intelligens bag GPT-3 kan hjælpe med at opdage Alzheimers

Den kunstige intelligens (KI), der driver ChatGPT-programmet, kan muligvis hjælpe medicinske fagfolk med at opdage Alzheimers sygdom i dens tidlige stadier. ChatGPT har fået megen opmærksomhed for sin evne til at generere menneskelignende skrevne svar.

Den nye forskning kommer fra Drexel Universitys School of Biomedical Engineering, Science and Health Systems. Den viste, at OpenAIs GPT-3-program kan identificere ledetråde fra spontan tale, der er 80% nøjagtige i forudsigelsen af de tidlige stadier af demens.

Forskningen blev offentliggjort i tidsskriftet PLOS Digital Health.

Brug af sprogdiagnostiske programmer

For mange har udfordringen ved at diagnostisere Alzheimers sygdom været manglen på en test, der passer til alle, men ny forskning tilbyder terapeuter håb ved at introducere sprogdiagnostiske programmer, der giver en effektiv måde at hurtigt screene for symptomer forbundet med demens – fra tøven i tale og vanskeligheder med at udtrykke sig korrekt til at glemme ord eller deres betydning. Sådanne tests kan gøre tidlig diagnose enklere end nogensinde før.

Hualou Liang, PhD, er professor på Drexels School of Biomedical Engineering, Science and Health Systems og medforfatter til forskningen.

“Vi ved fra igangværende forskning, at de kognitive effekter af Alzheimers sygdom kan manifestere sig i sprogproduktion,” sagde Liang. “De mest brugte tests til tidlig opdaging af Alzheimers ser på akustiske funktioner, såsom pauser, articulation og vokal kvalitet, samt tests af tilstand. Men vi mener, at forbedringen af naturlige sprogbehandlingsprogrammer giver en anden vej til at støtte tidlig identifikation af Alzheimers.”

OpenAIs GPT-3

GPT-3, OpenAIs tredje iteration af deres General Pretrained Transformer (GPT), har udnyttet dyb læring til at revolutionere sprogopgaver. Med denne algoritme trænet på en bred vifte af data fra online-kilder, der fremhæver, hvordan ord bruges og passer sammen, producerer GPT-3 svar, der er sammenlignelige med dem, der er skabt af mennesker – fra at besvare spørgsmål til at skabe digte eller essays.

Felix Agbavor er en doktorand og hovedforfatter af artiklen.

“GPT-3s systematiske tilgang til sproganalyse og -produktion gør det til en lovende kandidat til at identificere de subtile talekarakteristika, der måske kan forudse begyndelsen af demens,” sagde Agbavor. “Træning af GPT-3 med en massiv dataset af interviews – nogle af dem med Alzheimers-patienter – ville give det den information, det behøver for at udtrække talemønstre, der derefter kan anvendes til at identificere markører hos fremtidige patienter.”

Forskerne testede deres teori ved at træne programmet med en samling af transskriptioner, der kom fra en del af en dataset af taleoptagelser, der var skabt med støtte fra National Institutes of Health. Disse transskriptioner var specifikt til formålet at teste evnen af naturlige sprogbehandlingsprogrammer (NLP) til at forudse demens. Programmet fanget bestemte karakteristika af ordbrug, sætningsstruktur og betydning fra teksten, hvilket hjalp det med at producere en “indlejring”, eller en karakteristisk profil af Alzheimers tale.

Skabelse af en screeningsmaskine til Alzheimers

Holdet gen-trænede derefter programmet med indlejringen, hvilket omdannede det til en screeningsmaskine til Alzheimers. Programmet blev testet ved at gennemgå dusinvis af transskriptioner fra datasettet for at afgøre, om hver af dem var fra en person, der udviklede Alzheimers.

Gruppen fandt, at GPT-3 opførte sig bedre end to andre top-NLP-programmer i forhold til at identificere Alzheimers-eksempler, identificere ikke-Alzheimers-eksempler og med færre missede tilfælde.

En anden test bruger den tekstuelle analyse af GPT-3 til at forudse scoren for forskellige patienter fra datasettet på en almindelig test til at forudse sværhedsgraden af demens. Denne almindelige test kaldes Mini-Mental State Exam (MMSE).

GPT-3s forudsigelsesnøjagtighed blev sammenlignet med en analyse, der kun brugte de akustiske funktioner af optagelserne, herunder pauser, stemmestyrke og slurring, til at forudse MMSE-scoren. GPT-3 kunne opnå omkring 20% bedre nøjagtighed i forudsigelsen af patienternes MMSE-scores.

“Vores resultater viser, at tekstindlejringen, genereret af GPT-3, kan pålideligt bruges til ikke blot at opdage personer med Alzheimers sygdom fra raske kontroller, men også til at slutte sig til subjektets kognitive testscore, begge baseret kun på taledata,” bemærkede holdet. “Vi viser yderligere, at tekstindlejring overgår den konventionelle akustiske funktion-baserede tilgang og selv opfører sig konkurrencedygtigt med finjusterede modeller. Disse resultater, alle sammen, antyder, at GPT-3-baseret tekstindlejring er en lovende tilgang til AD-vurdering og har potentialet til at forbedre tidlig diagnose af demens.”

Forskerne planlægger nu at udvikle en web-applikation, der kan bruges hjemme eller på lægens kontor som et forscreening-værktøj.

“Vores bevis for konceptet viser, at dette kunne være et enkelt, tilgængeligt og tilstrækkeligt følsomt værktøj til fællesskabsbaseret testning,” sagde Liang. “Dette kunne være meget nyttigt til tidlig screening og risikovurdering før en klinisk diagnose.”