AI bak GPT-3 kan bidra til å oppdage Alzheimers

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

Den nye forskningen kommer fra Drexel Universitys School of Biomedical Engineering, Science and Health Systems. Den demonstrerte at OpenAIs GPT-3-program kan identifisere ledetråder fra spontan tale som er 80 % nøyaktige når det gjelder å forutsi de tidlige stadiene av demens.

Forskningen ble publisert i tidsskriftet PLOS Digital Helse.

Bruke språkdiagnoseprogrammer

For mange har utfordringen med å diagnostisere Alzheimers sykdom vært mangelen på en ensartet test, men ny forskning gir terapeuter håp ved å introdusere språkdiagnostiske programmer som gir en effektiv måte å raskt screene for symptomer assosiert med demens – fra nøling i tale og problemer med å uttrykke seg riktig til å glemme ord eller deres betydning. Slike tester kan gjøre tidlig diagnose enklere enn noen gang før.

Hualou Liang, PhD, er professor ved Drexels School of Biomedical Engineering, Science and Health Systems og medforfatter av forskningen.

"Vi vet fra pågående forskning at de kognitive effektene av Alzheimers sykdom kan manifestere seg i språkproduksjon," sa Liang. «De mest brukte testene for tidlig oppdagelse av Alzheimers ser på akustiske egenskaper, som pauser, artikulasjon og stemmekvalitet, i tillegg til tilstandstester. Men vi tror at forbedringen av programmer for naturlig språkbehandling gir en annen vei for å støtte tidlig identifisering av Alzheimers."

OpenAIs GPT-3

GPT-3, OpenAIs tredje iterasjon av deres General Pretrained Transformer (GPT), har utnyttet kraften til dyp læring for å revolusjonere språkoppgaver. Med denne algoritmen trent på et bredt spekter av data fra nettkilder som fremhever hvordan ord brukes og passer sammen, produserer GPT-3 svar som kan sammenlignes med de som er laget av mennesker - fra å svare på spørsmål til å lage dikt eller essays.

Felix Agbavor er doktorgradsforsker og hovedforfatter av artikkelen.

"GPT3s systemiske tilnærming til språkanalyse og produksjon gjør den til en lovende kandidat for å identifisere de subtile taleegenskapene som kan forutsi utbruddet av demens," sa Agbavor. "Å trene GPT-3 med et massivt datasett med intervjuer - hvorav noen er med Alzheimers-pasienter - vil gi den informasjonen den trenger for å trekke ut talemønstre som deretter kan brukes til å identifisere markører hos fremtidige pasienter."

Forskerne testet teorien deres ved å trene programmet med et sett med transkripsjoner som kom fra en del av et datasett med taleopptak laget med støtte fra National Institutes of Health. Disse transkripsjonene var spesielt for det formål å teste evnen til programmer for naturlig språkbehandling (NLP) til å forutsi demens. Programmet fanget opp visse kjennetegn ved ordbruken, setningsstrukturen og betydningen fra teksten, noe som hjalp den til å produsere en "innbygging" eller en karakteristisk profil av Alzheimers tale.

Opprette en screeningmaskin for Alzheimers

Teamet trente deretter programmet på nytt med innebyggingen, som gjorde det til en screeningsmaskin for Alzheimers. Programmet ble testet ved å gjennomgå dusinvis av transkripsjoner fra datasettet for å avgjøre om hver enkelt var fra noen som utviklet Alzheimers eller ikke.

Gruppen fant at GPT-3 presterte bedre enn to andre topp NLP-programmer når det gjelder nøyaktig å identifisere Alzheimers eksempler, identifisere ikke-Alzheimers eksempler, og med færre tapte tilfeller.

En andre test bruker tekstanalysen av GPT-3 for å forutsi poengsummen til forskjellige pasienter fra datasettet på en felles test for å forutsi alvorlighetsgraden av demens. Denne vanlige testen kalles Mini-Mental State Exam (MMSE).

GPT-3s prediksjonsnøyaktighet ble sammenlignet med en analyse som bare brukte de akustiske egenskapene til opptakene, som inkluderer pauser, stemmestyrke og slurring, for å forutsi MMSE-poengsummen. GPT-3 var i stand til å oppnå omtrent 20 % mer nøyaktighet i å forutsi pasientenes MMSE-score.

"Våre resultater viser at tekstinnbyggingen, generert av GPT-3, kan brukes pålitelig til ikke bare å oppdage individer med Alzheimers sykdom fra friske kontroller, men også utlede forsøkspersonens kognitive testresultat, begge utelukkende basert på taledata," teamet bemerket. "Vi viser videre at tekstinnbygging utkonkurrerer den konvensjonelle akustiske funksjonsbaserte tilnærmingen og yter til og med konkurransedyktig med finjusterte modeller. Disse resultatene til sammen antyder at GPT-3-basert tekstinnbygging er en lovende tilnærming for AD-vurdering og har potensial til å forbedre tidlig diagnose av demens."

Forskerne planlegger nå å utvikle en nettapplikasjon som kan brukes hjemme eller på legekontoret som et forhåndsscreeningsverktøy.

"Vårt proof-of-concept viser at dette kan være et enkelt, tilgjengelig og tilstrekkelig sensitivt verktøy for fellesskapsbasert testing," sa Liang. "Dette kan være svært nyttig for tidlig screening og risikovurdering før en klinisk diagnose."