Kecerdasan Buatan di Balik GPT-3 Dapat Membantu Mendeteksi Alzheimer

Kecerdasan buatan (AI) yang memungkinkan program ChatGPT dapat membantu para profesional medis mendeteksi Penyakit Alzheimer pada tahap awal. ChatGPT telah mendapatkan banyak perhatian karena kemampuannya untuk menghasilkan respons tertulis yang mirip dengan manusia.

Penelitian baru ini berasal dari Sekolah Teknik Biomedis, Ilmu, dan Sistem Kesehatan Universitas Drexel. Penelitian ini menunjukkan bahwa program GPT-3 dari OpenAI dapat mengidentifikasi petunjuk dari percakapan spontan yang 80% akurat dalam memprediksi tahap awal demensia.

Penelitian ini diterbitkan dalam jurnal PLOS Digital Health.

Menggunakan Program Diagnostik Bahasa

Bagi banyak orang, tantangan dalam mendiagnosis Penyakit Alzheimer adalah kurangnya tes yang sesuai untuk semua, tetapi penelitian baru ini memberikan harapan bagi terapis dengan memperkenalkan program diagnostik bahasa yang dapat digunakan untuk menyaring gejala yang terkait dengan demensia — dari ragu-ragu dalam berbicara dan kesulitan mengungkapkan diri dengan benar hingga melupakan kata-kata atau maknanya. Tes seperti ini dapat membuat diagnosis awal lebih sederhana daripada sebelumnya.

Hualou Liang, PhD, adalah profesor di Sekolah Teknik Biomedis, Ilmu, dan Sistem Kesehatan Universitas Drexel dan salah satu penulis penelitian ini.

“Kami tahu dari penelitian yang sedang berlangsung bahwa efek kognitif Penyakit Alzheimer dapat memanifestasikan diri dalam produksi bahasa,” kata Liang. “Tes yang paling umum digunakan untuk deteksi dini Alzheimer melihat fitur akustik, seperti jeda, artikulasi, dan kualitas suara, serta tes kondisi. Tetapi kami percaya bahwa perbaikan program pemrosesan bahasa alami dapat memberikan jalur lain untuk mendukung identifikasi dini Alzheimer.”

GPT-3 dari OpenAI

GPT-3, iterasi ketiga dari General Pretrained Transformer (GPT) OpenAI, telah memanfaatkan kekuatan pembelajaran dalam untuk merevolusi tugas bahasa. Dengan algoritma ini dilatih pada berbagai data dari sumber online yang menyoroti bagaimana kata-kata digunakan dan disatukan, GPT-3 menghasilkan respons yang setara dengan yang dibuat oleh manusia – dari merespons pertanyaan hingga membuat puisi atau esai.

Felix Agbavor adalah seorang peneliti doktoral dan penulis utama makalah ini.

“GPT-3 memiliki pendekatan sistematis untuk analisis dan produksi bahasa yang membuatnya menjadi kandidat yang menjanjikan untuk mengidentifikasi karakteristik bicara yang halus yang mungkin memprediksi timbulnya demensia,” kata Agbavor. “Melatih GPT-3 dengan dataset besar wawancara — beberapa di antaranya dengan pasien Alzheimer — akan memberinya informasi yang dibutuhkan untuk mengekstrak pola bicara yang kemudian dapat diterapkan untuk mengidentifikasi penanda pada pasien di masa depan.”

Membuat Mesin Penyaring untuk Alzheimer

Tim peneliti kemudian melatih kembali program dengan “embedding” atau profil karakteristik bicara Alzheimer, yang kemudian diubah menjadi mesin penyaring untuk Alzheimer. Program ini diuji dengan meninjau puluhan transkrip dari dataset untuk memutuskan apakah setiap transkrip berasal dari seseorang yang sedang mengembangkan Alzheimer.

Tim peneliti menemukan bahwa GPT-3 performa lebih baik daripada dua program NLP teratas lainnya dalam mengidentifikasi contoh Alzheimer, mengidentifikasi contoh non-Alzheimer, dan dengan kasus yang kurang terlewatkan.

Uji kedua menggunakan analisis tekstual GPT-3 untuk memprediksi skor pasien dari dataset pada tes yang umum untuk memprediksi keparahan demensia, yang disebut Mini-Mental State Exam (MMSE).

Akurasi prediksi GPT-3 dibandingkan dengan analisis yang menggunakan hanya fitur akustik rekaman, yang mencakup jeda, kekuatan suara, dan gangguan, untuk memprediksi skor MMSE. GPT-3 dapat mencapai sekitar 20% lebih akurat dalam memprediksi skor MMSE pasien.

“Hasil kami menunjukkan bahwa ’embedding’ teks yang dihasilkan oleh GPT-3 dapat digunakan secara andal tidak hanya untuk mendeteksi individu dengan Penyakit Alzheimer dari kontrol sehat, tetapi juga untuk menginfer skor tes kognitif subjek, berdasarkan data bicara saja,” kata tim peneliti. “Kami lebih lanjut menunjukkan bahwa ’embedding’ teks outperforms pendekatan berbasis fitur akustik konvensional dan bahkan performa kompetitif dengan model yang telah disesuaikan. Hasil ini, secara keseluruhan, menunjukkan bahwa pendekatan ’embedding’ teks berbasis GPT-3 adalah pendekatan yang menjanjikan untuk penilaian AD dan memiliki potensi untuk memperbaiki diagnosis dini demensia.”

Peneliti sekarang berencana mengembangkan aplikasi web yang dapat digunakan di rumah atau di kantor dokter sebagai alat penyaringan sebelumnya.

“Konsep bukti kami menunjukkan bahwa ini bisa menjadi alat yang sederhana, mudah diakses, dan cukup sensitif untuk pengujian berbasis komunitas,” kata Liang. “Ini bisa sangat berguna untuk penyaringan awal dan penilaian risiko sebelum diagnosis klinis.”