자연어 처리를 사용하는 AI 모델, 알츠하이머병 발병 위험 예측

IBM과 파이저의 AI 연구팀은 사람들이 작성한 글과 언어 패턴을 분석하여 알츠하이머병의 징후를 감지할 수 있는 AI 알고리즘을 개발했습니다.

다른 AI 연구팀은 PET 스캔을 분석하거나 임상 시험 데이터를 해석하여 알츠하이머병 발병을 예측하기 위한 모델을 개발했습니다. 이러한 모델은 최근 데이터에 기반하지만, IBM-파이저 팀이 개발한 모델은 3세대에 걸쳐 6개 десяти년 동안 14,000명 이상의 사람들에 대한 데이터를 포함하는 프레이밍햄 하트 연구(Framingham Heart Study) 데이터에 기반합니다. 이러한 장기적인 데이터는 중요합니다. 왜냐하면 AI가 대규모 인구에서 오랜 기간 동안 패턴을 신뢰성 있게 감지할 수 있다면, 연구자들은 현재의 진단 기술보다 몇 년 앞서 알츠하이머병의 발병을 예측할 수 있을 것입니다. 또한, 이 기술은 스캔 기술이나 침습적 시험을 필요로 하지 않기 때문에, 다양한 상황에서 사용할 수 있는 진단 방법이 될 수 있습니다.

IBM의 헬스케어 및 생명과학 부문 부사장인 아제이 로유루(Ajay Royyuru)는 연구팀이 개발한 AI 모델이 의료 전문가들이 임상 시험 이전에 알츠하이머병의 발병 가능성을 예측하는 데 도움이 될 수 있는 도구로 작용할 수 있다고 말했습니다. 이러한 모델은 본质적으로 초기 경고 시스템으로 작용하여 의료 전문가들이 더 자세한 시험을 수행하도록 유도할 수 있습니다.

AI 모델을 훈련시키기 위해, 연구팀은 손으로 쓴 응답의 전사본을 사용했습니다. 프레이밍햄 하트 연구에 참여한 사람들은 자연어를 사용하여 그림을 설명하도록 요청받았습니다. 응답은 디지털화되어 기계 학습 알고리즘에 훈련 데이터로 제공되었습니다. IBM에 따르면, 모델은 신경 퇴행성 질환의 발병과 관련된 특정 언어적 특징을 감지할 수 있었습니다. 임상 전문가들은 이미 반복적인 단어 사용, 철자 오류, 및 복잡한 문장보다 단순한 문장을 선호하는 것이 알츠하이머병의 진행과 관련이 있음을 발견했습니다. AI 모델도 이러한 특징을 발견했습니다.

연구 결과에 따르면, 주요 모델은 85세가 되기 전에 알츠하이머병을 발병한 참가자를 약 70%의 정확도로 예측할 수 있었습니다. 모델과 결과는 원래 연구의 역사적 데이터에서 파생되었습니다. 즉, 실제로 미래의 사건을 예측하지는 못했습니다. 또한, AI 모델은 프레이밍햄 인구의 가장 오래된 하위 집단에 훈련되었습니다. 이 인구는 주로 비히스패닉 백인으로 구성되어 있으므로, 결과를 다른 민족이나 세계의 인구에 일반화하는 데에는 제한이 있습니다. 연구의 샘플 크기는 작았으며, 단지 40명의 치매 환자와 40명의 비환자로 구성되었습니다.

이러한 제한에도 불구하고, 연구는 장기적인 기간 동안 수집된 실제 데이터를 분석한 최초의 연구 중 하나로서 가치가 있습니다. 모델의 정확도를 높이는 데에는 미래의 훈련 데이터에 포함되지 않은 특징을 포함하는 것이 도움이 될 수 있습니다. 예를 들어, 필기체를 포함하는 것이 도움이 될 수 있습니다. 유사한 접근법을 음성 녹음을 사용하여 적용할 수 있습니다. 음성 녹음에는 언어에서 표현되지 않는 정지가 포함되어 있습니다.

로유루에 따르면, 언어 샘플을 사용하는 것은 비침습적인 방법으로 사람들의 인지 상태를 평가할 수 있기 때문에优势입니다. 언어 데이터를 수집하는 것은 인터넷을 활용하여 원격으로 상대적으로 저렴하게 수행할 수 있습니다.ただし, 이러한 데이터를 수집할 때는 개인 정보 보호를 보장하고 정보 동의를 얻는 것이 중요합니다.

연구의 공동 저자이자 IBM의 신경영상 및 계산 정신의학 연구자인 길레르모 체치(Guillermo Cecchi)는 사이언티픽 아메리칸에 다음과 같이 설명했습니다.

“우리는 이 기술을 사용하여 정신분열증, 근위축성 측색 경화증, 파킨슨병과 같은 다른 질병을 더 잘 이해하는 데 활용하고 있습니다. 우리는 이러한 질병에 대한 예측 연구를 진행 중이며, 이러한 연구에서는 동의를 얻은 유사한 인지 언어 테스트에서 수집된 음성 샘플을 분석하고 있습니다.”