I Modelli di Intelligenza Artificiale Utilizzano l’Elaborazione del Linguaggio Naturale per Prevedere il Rischio di Sviluppare l’Alzheimer

Un team di ricercatori di intelligenza artificiale di IBM e Pfizer (PFE ) ha sviluppato algoritmi di intelligenza artificiale che possono potenzialmente rilevare segni di malattia di Alzheimer analizzando la scrittura e la lingua delle persone.

Altri ricercatori di intelligenza artificiale hanno sviluppato modelli destinati a prevedere lo sviluppo dell’Alzheimer analizzando le scansioni PET o interpretando i dati dei test clinici. Questi modelli sono stati addestrati con dati recenti, ma il modello sviluppato dal team IBM-Pfizer è stato addestrato con dati dello studio Framingham Heart, che include dati su oltre 14.000 persone in tre generazioni e sei decenni. La natura a lungo termine dei dati è importante, poiché se l’intelligenza artificiale è in grado di rilevare affidabilmente modelli all’interno di grandi popolazioni nel corso del tempo, i ricercatori potrebbero potenzialmente prevedere la manifestazione dell’Alzheimer anni prima delle attuali tecniche di diagnosi. Inoltre, potrebbe essere un metodo di diagnosi affidabile che non richiede l’uso di tecnologia di scansione o test invasivi, aumentando la gamma di scenari in cui può essere utilizzato.

Secondo il vicepresidente di IBM per la sanità e le scienze della vita, Ajay Royyuru, i modelli di intelligenza artificiale sviluppati dal team di ricerca possono funzionare come uno strumento che aiuta i medici a ottenere indizi sul possibile sviluppo dell’Alzheimer in anticipo rispetto ai test clinici. I modelli possono essenzialmente funzionare come sistemi di allarme precoce che promuovono i medici a eseguire test più approfonditi.

Per addestrare i modelli di intelligenza artificiale, il team di ricerca ha utilizzato trascrizioni di risposte scritte a mano a varie domande. I partecipanti allo studio Framingham Heart sono stati invitati a descrivere un’immagine di un ambiente utilizzando il loro linguaggio naturale. Le risposte generate dai partecipanti sono state digitalizzate e le trascrizioni sono state fornite agli algoritmi di apprendimento automatico come dati di addestramento. Secondo IBM, i modelli sono stati in grado di rilevare determinate caratteristiche linguistiche correlate con lo sviluppo di disturbi neurodegenerativi. I clinici hanno a lungo scoperto che l’uso di parole ripetute, errori di ortografia e una preferenza per frasi semplici rispetto a frasi più complesse possono essere indicativi della progressione dell’Alzheimer, e i modelli di intelligenza artificiale hanno colto queste stesse caratteristiche.

Secondo i risultati dello studio, il modello principale ha raggiunto un’accuratezza del 70% nella previsione di quali partecipanti allo studio originale hanno sviluppato la malattia di Alzheimer entro l’età di 85 anni. I modelli, e quindi i risultati, sono stati derivati dai dati storici all’interno dello studio originale. Non hanno realmente previsto eventi futuri. Inoltre, il modello di intelligenza artificiale è stato addestrato sulla sottopopolazione più anziana della popolazione di Framingham. Questa popolazione era principalmente non ispanica e bianca, e di conseguenza, ci sono limiti a quanto i risultati possano essere generalizzati per altre etnie e popolazioni in tutto il mondo. La dimensione del campione per lo studio era piuttosto piccola, consistente in soli 40 individui che hanno sviluppato demenza e 40 che non l’hanno fatto.

Nonostante queste limitazioni, lo studio ha valore come uno dei primi studi a analizzare dati reali su larga scala raccolti nel corso di un lungo periodo di tempo. L’accuratezza del modello potrebbe potenzialmente essere aumentata se certe caratteristiche lasciate fuori dallo studio sono incluse nei dati di addestramento futuri, come la scrittura a mano. Un approccio simile potrebbe anche essere utilizzato con registrazioni audio di discorsi, che includono pause che non sono rappresentate nel linguaggio scritto.

Secondo Royyuru, il vantaggio dell’uso di campioni di linguaggio è che, indipendentemente dal fatto che i campioni siano parlati o scritti, sono metodi non invasivi per accertare le condizioni cognitive delle persone. La raccolta di dati linguistici può essere effettuata a distanza e relativamente a buon mercato sfruttando Internet, anche se è importante che siano in atto salvaguardie per la privacy e il consenso informato quando si raccolgono tali dati.

Coautore dello studio e ricercatore per la neuroimmagine e la psichiatria computazionale di IBM, Guillermo Cecchi, ha spiegato a Scientific American che il processo sta essere adattato per comprendere altre forme di malattia:

“Stiamo sfruttando questa tecnologia per comprendere meglio malattie come la schizofrenia, la sclerosi laterale amiotrofica e la malattia di Parkinson e lo stiamo facendo in studi prospettici che analizzano campioni di discorso parlato, dati con il consenso da test verbali cognitivi simili.”