L’IA derrière GPT-3 pourrait aider à détecter la maladie d’Alzheimer

L’intelligence artificielle (IA) qui alimente le programme ChatGPT pourrait éventuellement aider les professionnels de la santé à détecter la maladie d’Alzheimer à ses débuts. ChatGPT a reçu beaucoup d’attention pour sa capacité à générer des réponses écrites ressemblant à celles des humains.

Les nouvelles recherches proviennent de l’École d’ingénierie biomédicale, de sciences et de systèmes de santé de l’Université Drexel. Ils ont démontré que le programme GPT-3 d’OpenAI peut identifier des indices à partir de la parole spontanée qui sont à 80 % précis pour prédire les premiers stades de la démence.

Les recherches ont été publiées dans la revue PLOS Digital Health.

Utilisation de programmes de diagnostic linguistique

Pour beaucoup, le défi du diagnostic de la maladie d’Alzheimer a été le manque d’un test universel, mais de nouvelles recherches offrent de l’espoir aux thérapeutes en introduisant des programmes de diagnostic linguistique qui fournissent un moyen efficace de dépister rapidement les symptômes associés à la démence — de l’hésitation dans la parole et de la difficulté à s’exprimer correctement à l’oubli de mots ou de leur signification. De tels tests pourraient rendre le diagnostic précoce plus simple que jamais.

Hualou Liang, PhD, est professeur à l’École d’ingénierie biomédicale, de sciences et de systèmes de santé de Drexel et co-auteur de la recherche.

« Nous savons, grâce à des recherches en cours, que les effets cognitifs de la maladie d’Alzheimer peuvent se manifester dans la production linguistique », a déclaré Liang. « Les tests les plus couramment utilisés pour la détection précoce de la maladie d’Alzheimer examinent les caractéristiques acoustiques, telles que les pauses, l’articulation et la qualité vocale, en plus des tests de condition. Mais nous croyons que l’amélioration des programmes de traitement du langage naturel offre une autre voie pour soutenir l’identification précoce de la maladie d’Alzheimer. »

OpenAI’s GPT-3

GPT-3, la troisième itération du General Pretrained Transformer (GPT) d’OpenAI, a exploité le pouvoir de l’apprentissage profond pour révolutionner les tâches linguistiques. Avec cet algorithme formé sur une large gamme de données en ligne qui mettent en évidence la façon dont les mots sont utilisés et s’assemblent, GPT-3 produit des réponses comparables à celles créées par des humains – allant de la réponse à des questions à la création de poèmes ou d’essais.

Felix Agbavor est un chercheur doctoral et auteur principal de l’article.

« L’approche systématique de GPT-3 pour l’analyse et la production linguistique en fait un candidat prometteur pour identifier les caractéristiques subtiles de la parole qui pourraient prédire l’apparition de la démence », a déclaré Agbavor. « La formation de GPT-3 avec un énorme ensemble de données d’entretiens — dont certains sont avec des patients atteints de la maladie d’Alzheimer — lui fournirait les informations nécessaires pour extraire les modèles de parole qui pourraient ensuite être appliqués pour identifier les marqueurs chez les patients futurs. »

Les chercheurs ont testé leur théorie en formant le programme avec un ensemble de transcriptions provenant d’une partie d’un ensemble de données d’enregistrements de parole créés avec le soutien des National Institutes of Health. Ces transcriptions étaient spécifiquement destinées à tester la capacité des programmes de traitement du langage naturel (NLP) à prédire la démence. Le programme a capturé certaines caractéristiques de l’utilisation des mots, de la structure des phrases et du sens du texte, ce qui l’a aidé à produire un « embedding », ou un profil caractéristique de la parole d’Alzheimer.

Création d’une machine de dépistage pour la maladie d’Alzheimer

L’équipe a ensuite réentraîné le programme avec l’embedding, ce qui l’a transformé en une machine de dépistage pour la maladie d’Alzheimer. Le programme a été testé en examinant des dizaines de transcriptions de l’ensemble de données pour décider si chacune d’elles provenait de quelqu’un qui développait la maladie d’Alzheimer.

Le groupe a constaté que GPT-3 performait mieux que deux autres programmes NLP de pointe en termes de détection précise d’exemples d’Alzheimer, d’identification d’exemples non-Alzheimer et avec moins de cas manqués.

Un second test utilise l’analyse textuelle de GPT-3 pour prédire le score de divers patients de l’ensemble de données sur un test courant pour prédire la gravité de la démence. Ce test courant s’appelle l’examen de l’état mental miniature (MMSE).

La précision de la prédiction de GPT-3 a été comparée à celle d’une analyse utilisant uniquement les caractéristiques acoustiques des enregistrements, qui incluent les pauses, la force vocale et les bégaiements, pour prédire le score MMSE. GPT-3 a pu atteindre environ 20 % de précision supplémentaire dans la prédiction des scores MMSE des patients.

« Nos résultats démontrent que l’embedding textuel généré par GPT-3 peut être utilisé de manière fiable non seulement pour détecter les personnes atteintes de la maladie d’Alzheimer par rapport aux témoins sains, mais également pour déduire le score d’évaluation cognitive du sujet, tous deux basés uniquement sur les données de parole », a noté l’équipe. « Nous montrons en outre que l’embedding textuel surpasse l’approche conventionnelle basée sur les caractéristiques acoustiques et performe même de manière compétitive avec les modèles affinés. Ces résultats, dans leur ensemble, suggèrent que l’embedding textuel basé sur GPT-3 est une approche prometteuse pour l’évaluation de la maladie d’Alzheimer et a le potentiel d’améliorer le diagnostic précoce de la démence. »

Les chercheurs prévoient maintenant de développer une application Web qui peut être utilisée à la maison ou dans un cabinet médical en tant qu’outil de dépistage préalable.

« Notre preuve de concept montre que cela pourrait être un outil simple, accessible et suffisamment sensible pour les tests communautaires », a déclaré Liang. « Cela pourrait être très utile pour le dépistage précoce et l’évaluation des risques avant un diagnostic clinique. »