AI-modeller bruger naturlig sprogbehandling til at forudsige risiko for at udvikle Alzheimers sygdom

Et hold af AI-forskere fra IBM og Pfizer (PFE ) har udviklet AI-algoritmer, der potentielt kan opdage tegn på Alzheimers sygdom ved at analysere menneskers skrivning og finde lingvistiske mønstre.

Andre AI-forskere har udviklet modeller, der er beregnet til at forudsige udviklingen af Alzheimers ved at analysere PET-scans eller ved at fortolke kliniske testdata. Disse modeller blev trænet på ny data, men modellen, der er udviklet af IBM-Pfizer-holdet, blev trænet på data fra Framingham Heart Study, der omfatter data på over 14.000 personer over tre generationer og seks årtier. Den langevarige karakter af data er vigtig, da AI’en kan være i stand til pålideligt at opdage mønstre inden for store befolkninger over lange perioder, og forskere potentielt kan forudsige udviklingen af Alzheimers år i forvejen for nuværende diagnostiske metoder. Desuden kan det være en pålidelig diagnostisk metode, der ikke kræver brug af scanningsteknologi eller invasive tests, og som kan øge antallet af scenarier, hvor den kan bruges.

Ifølge IBM’s vicepræsident for sundheds- og livsvidenskab, Ajay Royyuru, kan de AI-modeller, der er udviklet af forskerholdet, fungere som et værktøj, der hjælper læger med at få hints om den mulige udvikling af Alzheimers i forvejen for kliniske tests. Modellerne kan i virkeligheden fungere som tidlige advarselssystemer, der får lægerne til at gå videre med mere omfattende tests.

For at træne AI-modellerne brugte forskerholdet transkriptioner af håndskrevne svar på forskellige spørgsmål. Deltagerne i Framingham Heart Study blev bedt om at beskrive et billede af en scene ved hjælp af deres naturlige sprog. Svarene, der blev genereret af respondenternes svar, blev digitaliseret, og transkriptionerne blev ført til maskinelæringsalgoritmerne som træningsdata. Ifølge IBM kunne modellerne opdage visse lingvistiske funktioner, der er korreleret med udviklingen af neurodegenerative lidelser. Klinikere har længe fundet, at visse brug af gentagne ord, stavfejl og en præference for simple sætninger over mere komplekse sætninger kan være indicativ for udviklingen af Alzheimers, og AI-modellerne fandt på samme funktioner.

Ifølge resultaterne af studiet opnåede hovedmodellen en nøjagtighed på ca. 70% i forudsigelsen af, hvilke af deltagernes i den oprindelige studie til sidst udviklede Alzheimers sygdom i en alder af 85. Modellerne og dermed resultaterne blev afledt fra de historiske data i den oprindelige studie. De forudsagde ikke virkelig fremtidige begivenheder. Desuden blev AI-modellen trænet på den ældste undergruppe af Framingham-befolkningen. Denne befolkning var primært ikke-hispanske hvide, og som følge heraf er der begrænsninger i, hvor generelle resultaterne er for andre etniciteter og befolkninger verden over. Størrelsen af prøven for studiet var ret lille, bestående af kun 40 personer, der udviklede demens, og 40, der ikke gjorde.

Trods disse begrænsninger har studiet værdi som ét af de første studier, der analyserer store, virkelige data, der er indsamlet over en lang periode. Nøjagtigheden af modellen kunne potentielt øges, hvis visse funktioner, der blev udeladt af studiet, blev inkluderet i fremtidige træningsdata, såsom håndskrivning. En lignende tilgang kunne også bruges med lydoptagelser af tale, der inkluderer pauser, der ikke er repræsenteret i skriftsprog.

Ifølge Royyuru er fordelene ved at bruge sprogprøver, at de, uanset om de er talte eller skrevne, er ikke-invasive metoder til at fastslå menneskers kognitive tilstand. Indsamling af sprogdata kan gøres på afstand og relativt billigt ved at udnytte internettet, selvom det er vigtigt, at der er privatlivssikkerheds- og informerede samtykkegarantier på plads, når sådanne data indsamles.

Medforfatter på studiet og forsker i neurobillede og beregningspsykiatri ved IBM, Guillermo Cecchi, forklarede til Scientific American, at processen bliver tilpasset for at forstå andre former for sygdomme:

“Vi er i gang med at udnytte denne teknologi til bedre at forstå sygdomme som skizofreni, [amyotrofisk lateral sklerose] og Parkinsons sygdom og gør det i prospektive studier [der] analyserer taleprøver, givet med samtykke fra lignende kognitive verbale tests.”