AIモデルは自然言語処理を使用してアルツハイマー病のリスクを予測する

IBMとPfizerのAI研究者チームは、AIアルゴリズムを開発し、アルツハイマー病の兆候を検出できる可能性があると発表しました。このアルゴリズムは、文章や言語パターンを分析することで、アルツハイマー病のリスクを予測することができます。

他のAI研究者は、PETスキャンや臨床試験データを分析することで、アルツハイマー病の発症を予測するモデルを開発しています。しかし、IBMとPfizerのチームが開発したモデルは、14,000人以上の参加者を3世代にわたって6十年間追跡したフラミングハム心臓研究のデータを使用しています。この長期的なデータは、AIが大規模な集団の中で長期間にわたってパターンを検出できることを示しています。これにより、アルツハイマー病の発症を予測することが可能になります。また、スキャン技術や侵襲性の試験を必要としない診断方法としても有効です。

IBMのヘルスケアおよびライフサイエンス担当副社長のAjay Royyuruによると、研究チームが開発したAIモデルは、医療従事者がアルツハイマー病の発症を予測するためのツールとして機能する可能性があります。このモデルは、臨床試験の前に医療従事者に警告信号を送ることができます。

AIモデルを訓練するために、研究チームは、参加者が自然言語で回答した質問の書き起こしを使用しました。フラミングハム心臓研究の参加者は、絵の説明を自然言語で行いました。回答はデジタル化され、機械学習アルゴリズムに訓練データとして提供されました。IBMによると、モデルは、神経変性疾患の発症と関連する言語特徴を検出することができました。臨床医は、アルツハイマー病の進行と関連する言語特徴、たとえば繰り返しの単語、スペルミス、または単純なフレーズを好むことを発見しています。

研究結果によると、主なモデルは、85歳までにアルツハイマー病を発症する参加者を約70%の精度で予測することができました。モデルは、歴史的なデータから導き出されたものであり、未来の出来事を予測するものではありません。また、AIモデルは、フラミングハム人口の最も古いサブセットに訓練されました。この人口は主に非ヒスパニック白人でした。したがって、結果の一般化可能性は、他の民族や世界中の他の集団に対して制限されます。研究の標本サイズも小さく、認知症を発症した40人と発症しなかった40人で構成されました。

これらの限界にもかかわらず、研究は、長期間にわたって収集された大規模な実生活データを分析した最初の研究の1つとして価値があります。将来的に、特定の特徴を含めることで、モデルの精度を高めることができます。たとえば、筆記は同様のアプローチで使用できます。また、言語サンプルを使用することの利点は、サンプルが書かれたり話されたりするかに関係なく、非侵襲的な方法で認知状態を評価できることです。言語データの収集は、インターネットを活用することでリモートで比較的安価に実行できます。ただし、プライバシー保護とインフォームドコンセントが確保されていることが重要です。

研究の共同著者であり、IBMの神経イメージングおよび計算精神医学の研究者であるGuillermo Cecchiは、Scientific Americanに、同様のアプローチを使用して他の疾患を理解するプロセスについて説明しています。

「私たちは、統合失調症、ALS、パーキンソン病などの疾患をよりよく理解するために、この技術を活用するプロセスにあります。これらの疾患については、類似の認知言語テストで得られた話し手の言語サンプルを分析する前向き研究を実施しています。」