AI-modeller bruker naturlig språkbehandling for å forutsi risikoen for å utvikle Alzheimers

Et team av AI-forskere fra IBM og Pfizer har utviklet AI-algoritmer som potensielt kan oppdage tegn på Alzheimers sykdom ved å analysere folks skriving og finne språklige mønstre.

Andre AI-forskere har utviklet modeller beregnet på å forutsi utviklingen av Alzheimers ved å analysere PET-skanninger eller ved å tolke kliniske testdata. Disse andre modellene ble trent på nyere data, men modellen utviklet av IBM-Pfizer-teamet ble trent på data fra Framingham Heart Study, som inkluderer data om over 14,000 XNUMX personer over tre generasjoner og seks tiår. Den langsiktige karakteren til dataene er viktig, som om AI er i stand til pålitelig å oppdage mønstre i store populasjoner over lange tidsperioder, kan forskere potensielt forutsi manifestasjonen av Alzheimers år i forkant av dagens diagnostiske teknikker. Videre kan det være en pålitelig diagnosemetode som ikke krever bruk av skanneteknologi eller invasive tester, noe som øker utvalget av scenarier der den kan brukes.

Ifølge IBMs visepresident for helsevesen og biovitenskap, Ajay Royyuru, kan AI-modellene utviklet av forskerteamet fungere som et verktøy som hjelper leger med å få ledetråder om mulig utvikling av Alzheimers i forkant av kliniske tester. Modellene kan i hovedsak fungere som tidlige varslingssystemer som ber leger om å forfølge mer omfattende tester.

For å trene AI-modellene brukte forskerteamet transkripsjoner av håndskrevne svar på ulike spørsmål. Deltakerne i Framingham Heart Study ble bedt om å beskrive et bilde av en setting ved å bruke deres naturlige språk. Svarene generert av respondentene ble digitalisert og transkripsjonene ble matet til maskinlæringsalgoritmene som treningsdata. Ifølge IBM var modellene i stand til å fange opp visse språklige trekk som er korrelert med utviklingen av nevrodegenerative lidelser. Klinikere har lenge funnet ut at viss bruk av gjentatte ord, feilstavinger og en preferanse for enkle fraser fremfor mer komplekse setninger kan være indikativ på utviklingen av Alzheimers, og AI-modellene treffer de samme funksjonene.

Ifølge resultatene av studien, oppnådde hovedmodellen omtrent 70 % nøyaktighet i å forutsi hvem av deltakerne i den opprinnelige studien som til slutt utviklet Alzheimers sykdom i en alder av 85. Modellene, og derfor resultatene, ble utledet fra de historiske dataene i den opprinnelige studien. De forutså egentlig ikke fremtidige hendelser. I tillegg ble AI-modellen trent på den eldste underdelen av Framingham-befolkningen. Denne befolkningen var hovedsakelig ikke-spansktalende hvit, og som et resultat er det grenser for hvor generaliserbare resultatene er for andre etnisiteter og andre befolkninger rundt om i verden. Utvalgsstørrelsen for studien var også ganske liten, og besto av bare 40 individer som utviklet demens og 40 som ikke gjorde det.

Til tross for disse begrensningene har studien verdi som en av de første studiene for å analysere storskala virkelige data samlet inn over en lang tidsperiode. Nøyaktigheten til modellen kan potensielt økes hvis visse funksjoner utelatt fra studien inkluderes i fremtidige treningsdata, for eksempel håndskrift. En lignende tilnærming kan også brukes med lydopptak av tale, som inkluderer pauser som ikke er representert i skriftspråk.

Ifølge Royyuru er fordelen med å bruke språkprøver at de, uavhengig av om prøvene er muntlige eller skriftlige, er ikke-invasive metoder for å fastslå folks kognitive forhold. Innsamling av språkdata kan gjøres eksternt og relativt billig ved å utnytte internett, selv om det er viktig at personvern og informert samtykke er på plass når slike data samles inn.

Medforfatter på studien og forsker for nevroimaging og beregningspsykiatri ved IBM, Guillermo Cecchi, forklart til Scientific American at prosessen blir tilpasset for å forstå andre former for sykdom også:

"Vi er i ferd med å utnytte denne teknologien for å bedre forstå sykdommer som schizofreni, [amyotrofisk lateral sklerose] og Parkinsons sykdom og gjør det i prospektive studier [som] analyserer taleprøver gitt med samtykke fra lignende kognitive verbale tester. ”