AI achter GPT-3 kan helpen bij het detecteren van Alzheimer

De kunstmatige intelligentie (AI) die het ChatGPT-programma aandrijft, kan uiteindelijk helpen bij het detecteren van Alzheimer bij mensen in een vroeg stadium. ChatGPT heeft veel aandacht gekregen vanwege zijn vermogen om menselijke geschreven antwoorden te genereren.

Het nieuwe onderzoek komt van de School of Biomedical Engineering, Science and Health Systems van de Drexel University. Het heeft aangetoond dat OpenAI’s GPT-3-programma aanwijzingen uit spontane spraak kan identificeren die 80% nauwkeurig zijn in het voorspellen van de vroege stadia van dementie.

Het onderzoek is gepubliceerd in het tijdschrift PLOS Digital Health.

Taal-diagnostische programma’s gebruiken

Voor velen is de uitdaging bij het diagnosticeren van Alzheimer de afwezigheid van een universele test, maar nieuw onderzoek biedt therapeuten hoop door taal-diagnostische programma’s te introduceren die een effectieve manier bieden om snel te screenen op symptomen geassocieerd met dementie — van aarzeling in spraak en moeite om zichzelf goed uit te drukken tot het vergeten van woorden of hun betekenis. Dergelijke tests kunnen de vroege diagnose eenvoudiger maken dan ooit tevoren.

Hualou Liang, PhD, is een professor in de School of Biomedical Engineering, Science and Health Systems van Drexel en een co-auteur van het onderzoek.

“We weten uit lopend onderzoek dat de cognitieve effecten van Alzheimer’s ziekte zich kunnen manifesteren in taalproductie,” zei Liang. “De meest gebruikte tests voor vroege detectie van Alzheimer kijken naar akoestische kenmerken, zoals pauzeren, articulatie en stemkwaliteit, naast tests van conditie. Maar we geloven dat de verbetering van natuurlijke taalverwerkingprogramma’s een andere weg biedt om de vroege identificatie van Alzheimer te ondersteunen.”

OpenAI’s GPT-3

GPT-3, OpenAI’s derde iteratie van hun General Pretrained Transformer (GPT), heeft de kracht van diepe leerprocessen aangewend om taaltaken te revolutioneren. Met deze algoritme getraind op een breed scala aan gegevens van online bronnen die laten zien hoe woorden worden gebruikt en samenpassen, produceert GPT-3 antwoorden die vergelijkbaar zijn met die van mensen – van het beantwoorden van vragen tot het creëren van gedichten of essays.

Felix Agbavor is een doctoraal onderzoeker en de eerste auteur van het artikel.

“GPT3’s systematische aanpak van taalanalyse en -productie maakt het een veelbelovende kandidaat voor het identificeren van subtiele spraakkenmerken die de start van dementie kunnen voorspellen,” zei Agbavor. “Het trainen van GPT-3 met een enorme dataset van interviews — sommige met Alzheimer-patiënten — zou het de informatie geven die het nodig heeft om spraakpatronen te extraheren die vervolgens kunnen worden toegepast om markers in toekomstige patiënten te identificeren.”

De onderzoekers testten hun theorie door het programma te trainen met een set transcripten die afkomstig waren van een deel van een dataset van spraakopnames die waren gemaakt met de steun van de National Institutes of Health. Deze transcripten waren specifiek voor het doel van het testen van de mogelijkheid van natuurlijke taalverwerking (NLP) programma’s om dementie te voorspellen. Het programma ving bepaalde kenmerken van het woordgebruik, zinsstructuur en betekenis op uit de tekst, wat het hielp om een “embedding” of een kenmerkend profiel van Alzheimer-spraak te produceren.

Het creëren van een screeningsmachine voor Alzheimer

Het team trainde het programma vervolgens opnieuw met de embedding, waardoor het een screeningsmachine voor Alzheimer werd. Het programma werd getest door het beoordelen van tientallen transcripten uit de dataset om te beslissen of elk ervan afkomstig was van iemand die Alzheimer ontwikkelde.

De groep ontdekte dat GPT-3 beter presteerde dan twee andere top NLP-programma’s in termen van het nauwkeurig identificeren van Alzheimer-voorbeelden, het identificeren van niet-Alzheimer-voorbeelden en met minder gemiste gevallen.

Een tweede test gebruikt de tekstuele analyse van GPT-3 om de score van verschillende patiënten uit de dataset op een veelvoorkomende test voor het voorspellen van de ernst van dementie te voorspellen. Deze veelvoorkomende test heet de Mini-Mental State Exam (MMSE).

GPT-3’s voorspellingsnauwkeurigheid werd vergeleken met die van een analyse die alleen de akoestische kenmerken van de opnames gebruikte, waaronder pauzes, stemsterkte en slurring, om de MMSE-score te voorspellen. GPT-3 kon ongeveer 20% meer nauwkeurigheid bereiken in het voorspellen van de MMSE-scores van patiënten.

“Onze resultaten laten zien dat de tekst-embedding, gegenereerd door GPT-3, betrouwbaar kan worden gebruikt om niet alleen individuen met Alzheimer’s ziekte van gezonde controles te detecteren, maar ook de cognitieve testscore van het onderwerp te extrapoleren, beide uitsluitend op basis van spraakgegevens,” merkte het team op. “We laten verder zien dat tekst-embedding de conventionele akoestische kenmerk-gebaseerde aanpak overtreft en zelfs concurrerend presteert met fijngestemde modellen. Deze resultaten, allemaal samen, suggereren dat GPT-3-gebaseerde tekst-embedding een veelbelovende aanpak is voor AD-beoordeling en heeft het potentieel om de vroege diagnose van dementie te verbeteren.”

De onderzoekers zijn nu van plan om een webapplicatie te ontwikkelen die thuis of in een artspraktijk kan worden gebruikt als een voorafgaande screeningsinstrument.

“Ons proof-of-concept toont aan dat dit een eenvoudig, toegankelijk en voldoende gevoelig instrument kan zijn voor gemeenschapsgebaseerde tests,” zei Liang. “Dit kan zeer nuttig zijn voor vroege screening en risicobeoordeling voordat een klinische diagnose wordt gesteld.”