Sztuczna inteligencja za GPT-3 może pomóc w wykryciu choroby Alzheimera

Sztuczna inteligencja (AI), która napędza program ChatGPT, może ostatecznie pomóc profesjonalistom medycznym w wykryciu choroby Alzheimera we wczesnych stadiach. ChatGPT otrzymał wiele uwagi za swoją zdolność do generowania odpowiedzi pisemnych podobnych do ludzkich.

Nowe badania pochodzą z Wydziału Inżynierii Biomedycznej, Nauk i Systemów Zdrowia na Uniwersytecie Drexel. Wykazały one, że program GPT-3 firmy OpenAI może identyfikować wskazówki z mowy spontanicznej, które są 80% dokładne w przewidywaniu wczesnych stadiów demencji.

Badania zostały opublikowane w czasopiśmie PLOS Digital Health.

Wykorzystanie programów diagnostycznych językowych

Dla wielu ludzi wyzwaniem w diagnozowaniu choroby Alzheimera była brak testu pasującego do wszystkich, ale nowe badania dają terapeutom nadzieję, wprowadzając programy diagnostyczne językowe, które zapewniają skuteczny sposób szybkiego przesiewowego badania objawów związanych z demencją — od wahania się w mowie i trudności w właściwym wyrażaniu się po zapominanie słów lub ich znaczeń. Takie testy mogą uczynić wczesną diagnozę prostszą niż kiedykolwiek wcześniej.

Hualou Liang, PhD, jest profesorem w Wydziale Inżynierii Biomedycznej, Nauk i Systemów Zdrowia na Uniwersytecie Drexel i współautorem badań.

“Wiedzieliśmy z bieżących badań, że skutki poznawcze choroby Alzheimera mogą objawiać się w produkcji języka”, powiedział Liang. “Najczęściej stosowane testy do wczesnego wykrycia choroby Alzheimera badają cechy akustyczne, takie jak pauzy, artykulacja i jakość głosu, oprócz testów stanu. Ale uważamy, że udoskonalenie programów przetwarzania języka naturalnego daje nam inną ścieżkę do wspierania wczesnej identyfikacji choroby Alzheimera.”

GPT-3 firmy OpenAI

GPT-3, trzecia iteracja ogólnie wstępnie wyuczonych transformatorek (GPT) firmy OpenAI, wykorzystał moc głębokiego uczenia, aby rewolucjonizować zadania językowe. Z tym algorytmem, który został wyuczony na szerokiej gamie danych z internetowych źródeł, które podkreślają, jak słowa są używane i łączone, GPT-3 produkuje odpowiedzi porównywalne z tymi, które tworzą ludzie — od odpowiedzi na pytania po tworzenie wierszy lub esejów.

Felix Agbavor jest doktorantem i głównym autorem artykułu.

“Systematyczne podejście GPT3 do analizy i produkcji języka sprawia, że jest to obiecujący kandydat do identyfikacji subtelnych cech mowy, które mogą przewidywać początek demencji”, powiedział Agbavor. “Ucząc GPT-3 z ogromnym zestawem danych z wywiadów — niektóre z nich z pacjentami z chorobą Alzheimera — dostarczyłoby mu informacji, których potrzebuje do wyodrębnienia wzorców mowy, które mogą być następnie zastosowane do identyfikacji markerów u przyszłych pacjentów.”

Badacze przetestowali swoją teorię, ucząc program z zestawu transkryptów, które pochodziły z części zestawu danych nagrań mowy utworzonych przy wsparciu National Institutes of Health. Transkrypty te zostały specjalnie stworzone w celu przetestowania zdolności programów przetwarzania języka naturalnego (NLP) do przewidywania demencji. Program uchwycił pewne cechy użycia słów, struktury zdania i znaczenia z tekstu, co pomogło mu wyprodukować “embedding”, czyli charakterystyczny profil mowy osób z chorobą Alzheimera.

Tworzenie maszyny do przesiewowego badania choroby Alzheimera

Następnie zespół ponownie wyuczyl program z tym embeddingiem, co zamieniło go w maszynę do przesiewowego badania choroby Alzheimera. Program został przetestowany przez przejrzenie dziesiątek transkryptów z zestawu danych, aby zdecydować, czy każdy z nich pochodził od kogoś, kto rozwijał chorobę Alzheimera.

Grupa stwierdziła, że GPT-3 działał lepiej niż dwa inne najlepsze programy NLP pod względem dokładnego identyfikowania przykładów choroby Alzheimera, identyfikowania przykładów niezwiązanych z chorobą Alzheimera oraz z mniejszą liczbą przypadków, które zostały pominięte.

Drugi test wykorzystuje analizę tekstową GPT-3 do przewidywania wyniku różnych pacjentów z zestawu danych w teście Mini-Mental State Exam (MMSE), który jest powszechnie stosowanym testem do przewidywania ciężkości demencji.

Dokładność przewidywania GPT-3 została porównana z analizą, która wykorzystywała tylko cechy akustyczne nagrań, takie jak pauzy, siłę głosu i zniekształcenia, do przewidywania wyniku MMSE. GPT-3 osiągnął około 20% większą dokładność w przewidywaniu wyników MMSE pacjentów.

“Nasze wyniki dowodzą, że embedding tekstowy wygenerowany przez GPT-3 może być niezawodnie wykorzystany nie tylko do wykrywania osób z chorobą Alzheimera spośród zdrowych osób, ale także do wnioskowania o wyniku testu poznawczego pacjenta, wyłącznie na podstawie danych mowy”, zauważył zespół. “Ponadto pokazujemy, że embedding tekstowy przewyższa konwencjonalne podejście oparte na cechach akustycznych i nawet działa na równi z dopasowanymi modelami. Wyniki te, wszystkie razem, sugerują, że oparty na GPT-3 embedding tekstowy jest obiecującym podejściem do oceny AD i ma potencjał do poprawy wczesnej diagnozy demencji.”

Badacze planują teraz opracowanie aplikacji internetowej, która może być używana w domu lub w gabinecie lekarskim jako narzędzie przesiewowego.

“Nasze dowody potwierdzające koncepcję pokazują, że może to być proste, dostępne i wystarczająco czułe narzędzie do testowania opartego na społeczności”, powiedział Liang. “Mogłoby to być bardzo przydatne do wczesnego przesiewowego badania i oceny ryzyka przed kliniczną diagnozą.”