AI-modeller bruker naturlig språkbehandling for å forutsi risiko for å utvikle Alzheimers sykdom

Et team av AI-forskere fra IBM og Pfizer (PFE ) har utviklet AI-algoritmer som potensielt kan detektere tegn på Alzheimers sykdom ved å analysere menneskers skriving og finne lingvistiske mønster.

Andre AI-forskere har utviklet modeller som er ment å forutsi utviklingen av Alzheimers ved å analysere PET-scans eller ved å tolke kliniske testdata. Disse modellene ble trent på nyere data, men modellen utviklet av IBM-Pfizer-teamet ble trent på data fra Framingham Heart Study, som inkluderer data på over 14 000 personer over tre generasjoner og seks tiår. Den langevarige naturen til dataene er viktig, fordi hvis AI-en kan pålitelig detektere mønster innen store befolkninger over lange perioder, kan forskerne potensielt forutsi manifestasjonen av Alzheimers år i forveien til nåværende diagnostiske teknikker. Videre kan det være en pålitelig diagnostisk metode som ikke krever bruk av skannings-teknologi eller invasiv testing, og øke rekkevidden av scenarioer hvor det kan brukes.

Ifølge IBM’s visepresident for helse og livsvitenskap, Ajay Royyuru, kan AI-modellene utviklet av forskningsteamet fungere som et verktøy som hjelper medisinske praktikere å få hint om mulig utvikling av Alzheimers i forkant av kliniske tester. Modellene kan i hovedsak fungere som tidlige advarselssystemer som fremmer medisinske praktikere til å drive mer omfattende tester.

For å trene AI-modellene, brukte forskningsteamet transkripsjoner av håndskrevne svar på ulike spørsmål. Deltagerne i Framingham Heart Study ble bedt om å beskrive et bilde av en setting ved hjelp av deres naturlige språk. Svarene generert av respondentene ble digitalisert, og transkripsjonene ble matet til maskinlæringsalgoritmene som treningdata. Ifølge IBM, kunne modellene plukke opp på visse lingvistiske trekk som er korrelert med utviklingen av nevrodegenerative lidelser. Kliniske praktikere har lenge funnet at visse bruk av gjentatte ord, skrivefeil og en preferanse for enkle setninger over mer komplekse setninger kan være indikativ for fremgangen av Alzheimers, og AI-modellene traff på disse samme trekkene.

Ifølge resultatene av studien, oppnådde hovedmodellen omtrent 70% nøyaktighet i å forutsi hvilke av deltagerne i den opprinnelige studien til slutt utviklet Alzheimers sykdom ved 85 års alder. Modellene, og dermed resultatene, ble avledet fra de historiske dataene i den opprinnelige studien. De forutså ikke virkelig fremtidige hendelser. I tillegg ble AI-modellen trent på den eldste undergruppen av Framingham-befolkningen. Denne befolkningen var hovedsakelig ikke-hispanske hvite, og som et resultat, er det begrensninger på hvor generelle resultatene er for andre etniske grupper og befolkninger rundt om i verden. Størrelsen på prøven for studien var ganske liten også, bestående av bare 40 personer som utviklet demens og 40 som ikke gjorde det.

Til tross for disse begrensningene, har studien verdi som en av de første studiene som analyserer store, virkelige data samlet over en lang periode. Nøyaktigheten av modellen kunne potensielt økes hvis visse trekk som ble utelatt i studien, som håndskrift, ble inkludert i fremtidige treningdata. En lignende tilnærming kunne også brukes med lydopptak av tale, som inkluderer pauser som ikke er representert i skriftlig språk.

Ifølge Royyuru, er fordelen med å bruke språkprøver at, uavhengig av om prøvene er tale eller skrift, er de ikke-invasive metoder for å fastslå menneskers kognitive tilstander. Samling av språkdata kan gjøres på avstand og relativt billig ved å utnytte internettet, selv om det er viktig at privatlivssikkerhet og informert samtykke er på plass når slik data samles inn.

Medforfatter på studien og forsker for nevrobilder og komputasjonell psykiatri ved IBM, Guillermo Cecchi, forklarte 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.”