Kunstig intelligens bak GPT-3 kan hjelpe med å oppdage Alzheimers

Den kunstige intelligensen (KI) som driver ChatGPT-programmet kan til slutt hjelpe medisinske fagfolk med å oppdage Alzheimers sykdom i tidlige stadier. ChatGPT har mottatt mye oppmerksomhet for sin evne til å generere menneskelignende skriftlige svar.

Den nye forskningen kommer fra Drexel Universitys skole for biomedisinsk ingeniørvitenskap, vitenskap og helse-systemer. Den viste at OpenAIs GPT-3-program kan identifisere hint fra spontan tale som er 80% nøyaktig i å forutsi tidlige stadier av demens.

Forskningen ble publisert i tidsskriftet PLOS Digital Health.

Bruke språkdiagnostiske programmer

For mange har utfordringen ved å diagnostisere Alzheimers sykdom vært mangelen på en en-size-fits-all-test, men ny forskning tilbyr terapeuter håp ved å introdusere språkdiagnostiske programmer som gir en effektiv måte å raskt skanne for symptomer forbundet med demens — fra tøven i tale og vanskeligheter med å uttrykke seg riktig til å glemme ord eller deres betydninger. Slike tester kan gjøre tidlig diagnostisering enklere enn noen gang før.

Hualou Liang, PhD, er en professor ved Drexels skole for biomedisinsk ingeniørvitenskap, vitenskap og helse-systemer og en medforfatter av forskningen.

“Vi vet fra pågående forskning at de kognitive effektene av Alzheimers sykdom kan manifestere seg i språkproduksjon,” sa Liang. “De mest vanlige testene for tidlig oppdaging av Alzheimers ser på akustiske egenskaper, som pauser, artikulering og vokal kvalitet, i tillegg til tester av tilstand. Men vi tror at forbedringen av naturlig språkbehandling programmer gir en annen vei til å støtte tidlig identifisering av Alzheimers.”

OpenAIs GPT-3

GPT-3, OpenAIs tredje iterasjon av deres General Pretrained Transformer (GPT), har utnyttet kraften fra dypt læring til å revolusjonere språkoppgaver. Med denne algoritmen trent på en bred rekke data fra online-kilder som høydepunkter hvordan ord brukes og passer sammen, produserer GPT-3 svar som er sammenlignbare med de som er skapt av mennesker – fra å svare på spørsmål til å lage dikt eller essays.

Felix Agbavor er en doktorgradsforsker og hovedforfatter av artikkelen.

“GPT3s systematiske tilnærming til språkanalyse og -produksjon gjør det til en lovende kandidat for å identifisere de subtile talekarakteristikkene som kan forutsi starten på demens,” sa Agbavor. “Trening GPT-3 med en stor datasett av intervjuer — noen av dem er med Alzheimers-pasienter — ville gi det informasjonen det trenger for å trekke ut talemønster som deretter kan brukes til å identifisere markører i fremtidige pasienter.”

Forskerne testet sin teori ved å trene programmet med en sett av transkripter som kom fra en del av en datasett av taleopptak skapt med støtte fra National Institutes of Health. Disse transkriptene var spesifikt for å teste evnen til naturlig språkbehandling programmer til å forutsi demens. Programmet fanget visse karakteristika av ordbruk, setningsstruktur og mening fra teksten, som hjalp det med å produsere en “innpakning”, eller en karakteristisk profil av Alzheimers tale.

Opprette en skjermingsmaskin for Alzheimers

Teamet trente deretter programmet med innpakningen, som gjorde det til en skjermingsmaskin for Alzheimers. Programmet ble testet ved å gjennomgå dusinvis av transkripter fra datasett for å bestemme om hver enkelt var fra noen som utviklet Alzheimers.

Gruppen fant ut at GPT-3 fungerte bedre enn to andre topp naturlig språkbehandling programmer når det kom til å identifisere Alzheimers-eksempler, identifisere ikke-Alzheimers-eksempler og med færre manglende tilfeller.

En annen test bruker tekstanalyse av GPT-3 til å forutsi scoren til ulike pasienter fra datasett på en vanlig test for å forutsi alvorlighetsgraden av demens. Denne vanlige testen kalles Mini-Mental State Exam (MMSE).

GPT-3s forutsiingsnøyaktighet ble sammenlignet med en analyse som bare brukte akustiske egenskaper fra opptakene, som inkluderer pauser, stemmestyrke og slurring, for å forutsi MMSE-scoren. GPT-3 var i stand til å oppnå omtrent 20% mer nøyaktighet i å forutsi pasientenes MMSE-scorer.

“Våre resultater viser at tekstinnpakningen, generert av GPT-3, kan pålitelig brukes til ikke bare å oppdage individer med Alzheimers sykdom fra friske kontroller, men også å slutte seg til subjektets kognitive testscore, begge bare basert på taledata,” noterte teamet. “Vi viser videre at tekstinnpakningen overgår den konvensjonelle akustiske egenskapsbaserte tilnærmingen og utfører også konkurranse med finjusterte modeller. Disse resultatene, alle sammen, antyder at GPT-3-basert tekstinnpakning er en lovende tilnærming for AD-vurdering og har potensialet til å forbedre tidlig diagnostisering av demens.”

Forskerne planlegger nå å utvikle en nettapplikasjon som kan brukes hjemme eller i en legekontor som et forskjermingsverktøy.

“Vårt bevis på konsept viser at dette kan være et enkelt, tilgjengelig og tilstrekkelig sensitivt verktøy for samfunnsbasert testing,” sa Liang. “Dette kan være svært nyttig for tidlig skjerming og risikovurdering før en klinisk diagnostisering.”