Model AI Menggunakan Pemrosesan Bahasa Alami untuk Memprediksi Risiko Mengembangkan Alzheimer

Sebuah tim peneliti AI dari IBM dan Pfizer (PFE ) telah mengembangkan algoritma AI yang dapat mendeteksi tanda-tanda penyakit Alzheimer dengan menganalisis tulisan dan menemukan pola linguistik.

Peneliti AI lainnya telah mengembangkan model yang dimaksudkan untuk memprediksi perkembangan Alzheimer dengan menganalisis pemindaian PET atau dengan menafsirkan data tes klinis. Model-model ini dilatih pada data baru-baru ini, tetapi model yang dikembangkan oleh tim IBM-Pfizer dilatih pada data dari Studi Jantung Framingham, yang mencakup data pada lebih dari 14.000 orang selama tiga generasi dan enam dekade. Sifat jangka panjang dari data ini penting, karena jika AI dapat mendeteksi pola dalam populasi besar selama waktu lama, peneliti dapat memprediksi manifestasi Alzheimer tahun-tahun sebelum teknik diagnostik saat ini. Selain itu, ini dapat menjadi metode diagnosis yang dapat diandalkan yang tidak memerlukan penggunaan teknologi pemindaian atau tes invasif, meningkatkan rentang skenario di mana dapat digunakan.

Menurut wakil presiden IBM untuk perawatan kesehatan dan ilmu hayati, Ajay Royyuru, model AI yang dikembangkan oleh tim penelitian dapat berfungsi sebagai alat yang membantu praktisi medis untuk mendapatkan petunjuk tentang kemungkinan perkembangan Alzheimer sebelum tes klinis. Model-model ini dapat berfungsi sebagai sistem peringatan dini yang mendorong praktisi medis untuk melakukan tes lebih lanjut.

Untuk melatih model AI, tim penelitian menggunakan transkripsi dari respons tulisan tangan terhadap berbagai pertanyaan. Peserta dalam Studi Jantung Framingham diminta untuk mendeskripsikan gambar suatu setting menggunakan bahasa alami mereka. Jawaban yang dihasilkan oleh responden didigitalkan dan transkripsi tersebut diberikan kepada algoritma pembelajaran mesin sebagai data pelatihan. Menurut IBM, model-model ini dapat mendeteksi fitur linguistik tertentu yang berkaitan dengan perkembangan gangguan neurodegeneratif. Klinisi telah lama menemukan bahwa penggunaan kata-kata berulang, kesalahan ejaan, dan preferensi untuk kalimat sederhana daripada kalimat kompleks dapat menjadi indikasi progresifitas Alzheimer, dan model AI ini menemukan fitur-fitur yang sama.

Menurut hasil studi, model utama mencapai akurasi sekitar 70% dalam memprediksi siapa dari peserta dalam studi asli yang akhirnya mengembangkan penyakit Alzheimer pada usia 85. Model-model ini, dan oleh karena itu hasilnya, diperoleh dari data historis dalam studi asli. Mereka tidak benar-benar memprediksi peristiwa masa depan. Selain itu, model AI dilatih pada subpopulasi tertua dari populasi Framingham. Populasi ini sebagian besar non-Hispanik putih, dan sebagai hasilnya, ada keterbatasan seberapa umum hasilnya untuk etnis lain dan populasi lain di seluruh dunia. Ukuran sampel untuk studi ini relatif kecil, terdiri dari hanya 40 individu yang mengembangkan demensia dan 40 yang tidak.

Meskipun keterbatasan ini, studi ini memiliki nilai sebagai salah satu studi pertama yang menganalisis data kehidupan nyata skala besar yang dikumpulkan selama periode waktu lama. Akurasi model ini dapat ditingkatkan jika fitur-fitur yang ditinggalkan dalam studi ini dimasukkan dalam data pelatihan masa depan, seperti tulisan tangan. Pendekatan serupa juga dapat digunakan dengan rekaman audio ucapan, yang mencakup jeda yang tidak diwakili dalam bahasa tulisan.

Menurut Royyuru, kelebihan menggunakan sampel bahasa adalah bahwa, terlepas dari apakah sampel tersebut ditulis atau diucapkan, mereka adalah metode non-invasif untuk menentukan kondisi kognitif seseorang. Pengumpulan data bahasa dapat dilakukan secara remote dan relatif murah dengan memanfaatkan internet, meskipun penting bahwa perlindungan privasi dan persetujuan yang diberitahukan ada saat mengumpulkan data tersebut.

Co-penulis studi dan peneliti untuk neuroimaging dan psikiatri komputasi di IBM, Guillermo Cecchi, menjelaskan kepada Scientific American bahwa proses ini sedang disesuaikan untuk memahami bentuk penyakit lain juga:

“Kami sedang dalam proses memanfaatkan teknologi ini untuk lebih memahami penyakit seperti skizofrenia, [sclerosis lateral amiotrofik] dan penyakit Parkinson dan melakukan hal ini dalam studi prospektif [yang] menganalisis sampel ucapan yang diucapkan, diberikan dengan persetujuan dari tes verbal kognitif yang sama.”