Модели ИИ используют обработку естественного языка для предсказания риска развития болезни Альцгеймера

Команда исследователей ИИ из IBM и Pfizer (PFE ) разработала алгоритмы ИИ, которые потенциально могут обнаружить признаки болезни Альцгеймера, анализируя письменные и устные высказывания людей и выявляя лингвистические закономерности.

Другие исследователи ИИ разработали модели, предназначенные для предсказания развития болезни Альцгеймера на основе анализа ПЭТ-сканов или интерпретации клинических тестов. Эти модели были обучены на недавних данных, но модель, разработанная командой IBM-Pfizer, была обучена на данных из исследования Фрамингемского сердца, которое включает данные более 14 000 человек за три поколения и шесть десятилетий. Долгосрочный характер данных важен, поскольку если ИИ может надежно обнаруживать закономерности в больших популяциях за длительный период времени, исследователи потенциально могут предсказать проявление болезни Альцгеймера за годы до текущих диагностических методов. Кроме того, это может быть надежным методом диагностики, который не требует использования сканирующей техники или инвазивных тестов, увеличивая диапазон сценариев, в которых он может быть использован.

По словам вице-президента IBM по здравоохранению и наукам о жизни, Аджая Ройюру, модели ИИ, разработанные исследовательской командой, могут функционировать как инструмент, помогающий медицинским специалистам получить подсказки о возможном развитии болезни Альцгеймера до клинических тестов. Модели могут по сути функционировать как системы раннего предупреждения, которые побуждают медицинских специалистов провести более обширные тесты.

Для обучения моделей ИИ исследовательская команда использовала транскрипции рукописных ответов на различные вопросы. Участники исследования Фрамингемского сердца были попрослены описать картинку с помощью своего естественного языка. Ответы, сгенерированные респондентами, были оцифрованы, и транскрипции были поданы в алгоритмы машинного обучения в качестве обучающих данных. По словам IBM, модели смогли обнаружить определенные лингвистические особенности, связанные с развитием нейродегенеративных расстройств. Клиницисты давно обнаружили, что определенное использование повторяющихся слов, ошибок правописания и предпочтение простых фраз над более сложными предложениями может быть указанием на прогрессию болезни Альцгеймера, и модели ИИ обнаружили те же особенности.

По результатам исследования , основная модель достигла примерно 70% точности в предсказании, какие из участников исходного исследования в конечном итоге развили болезнь Альцгеймера к 85 годам. Модели, и поэтому результаты, были получены из исторических данных внутри исходного исследования. Они не действительно предсказывали будущие события. Кроме того, модель ИИ была обучена на старейшей подсекции населения Фрамингема. Это население было в основном неиспаноязычным белым, и в результате существует ограничение на то, насколько общие результаты для других этнических групп и популяций по всему миру. Размер выборки для исследования был довольно небольшим, состоящим всего из 40 человек, которые развили деменцию, и 40, которые не развили.

Несмотря на эти ограничения, исследование имеет ценность как одно из первых исследований, анализирующих реальные данные, собранные за длительный период времени. Точность модели потенциально может быть увеличена, если определенные особенности, оставленные без внимания в исследовании, будут включены в будущие обучающие данные, такие как почерк. Аналогичный подход также может быть использован с аудиозаписями речи, которые включают паузы, не представленные в письменном языке.

По словам Ройюру, преимущество использования образцов языка заключается в том, что, независимо от того, являются ли образцы устными или письменными, они являются неинвазивными методами определения когнитивного состояния людей. Сбор языковых данных может быть проведен удаленно и относительно дешево, используя интернет, хотя важно, чтобы меры по защите конфиденциальности и информированное согласие были на месте при сборе таких данных.

Соавтор исследования и исследователь нейровизуализации и вычислительной психиатрии в IBM, Гильермо Сеччи, объяснил Scientific American, что процесс адаптируется для понимания других форм заболеваний:

«Мы находимся в процессе использования этой технологии для лучшего понимания заболеваний, таких как шизофрения, [амиотрофический боковой склероз] и болезнь Паркинсона, и делаем это в перспективных исследованиях, которые анализируют образцы устной речи, данные с согласия из подобных когнитивных вербальных тестов».