AI bakom GPT-3 kan hjälpa till att upptäcka Alzheimers

Den artificiella intelligensen (AI) som driver programmet ChatGPT kan så småningom hjälpa medicinska proffs att upptäcka Alzheimers sjukdom i tidiga skeden. ChatGPT har fått mycket uppmärksamhet för sin förmåga att generera mänskliga skriftliga svar.

Den nya forskningen kommer från Drexel Universitys skola för biomedicinsk teknik, vetenskap och hälsosystem. Den visade att OpenAIs GPT-3-program kan identifiera ledtrådar från spontant tal som är 80% korrekta i att förutsäga de tidiga stadierna av demens.

Forskningen publicerades i tidskriften PLOS Digital Health.

Användning av språkdiagnostiska program

För många har utmaningen med att diagnostisera Alzheimers sjukdom varit bristen på en test som passar alla, men ny forskning erbjuder terapeuter hopp genom att introducera språkdiagnostiska program som ger ett effektivt sätt att snabbt screena för symtom som är förknippade med demens – från tvekan i talet och svårigheter att uttrycka sig korrekt till att glömma ord eller deras betydelser. Sådana tester kan göra tidig diagnos enklare än någonsin tidigare.

Hualou Liang, PhD, är professor vid Drexels skola för biomedicinsk teknik, vetenskap och hälsosystem och medförfattare till forskningen.

“Vi vet från pågående forskning att de kognitiva effekterna av Alzheimers sjukdom kan manifestera sig i språkproduktion”, sa Liang. “De vanligaste testerna för tidig upptäckt av Alzheimers undersöker akustiska egenskaper, såsom paus, artikulering och röstkvalitet, samt tester av tillstånd. Men vi tror att förbättringen av naturlig språkbehandling ger en annan väg för att stödja tidig identifiering av Alzheimers.”

OpenAIs GPT-3

GPT-3, OpenAIs tredje iteration av deras generella förtränade transformer (GPT), har utnyttjat kraften från djupinlärning för att revolutionera språkuppgifter. Med denna algoritm tränad på en stor mängd data från onlinekällor som belyser hur ord används och passar samman, producerar GPT-3 svar som är jämförbara med de som skapats av människor – från att svara på frågor till att skapa dikter eller uppsatser.

Felix Agbavor är en doktorand och huvudförfattare till artikeln.

“GPT3:s systematiska tillvägagångssätt för språkanalys och produktion gör det till en lovande kandidat för att identifiera de subtila tal karaktersitiska som kan förutsäga början på demens”, sa Agbavor. “Att träna GPT-3 med en stor dataset av intervjuer – några av dem med Alzheimers patienter – skulle ge det den information det behöver för att extrahera tal mönster som sedan kan tillämpas för att identifiera markörer i framtida patienter.”

Forskarna testade sin teori genom att träna programmet med en uppsättning transkriptioner som kom från en del av en dataset av talinspelningar som skapats med stöd av National Institutes of Health. Dessa transkriptioner var specifikt för ändamålet att testa förmågan hos naturlig språkbehandling (NLP) program att förutsäga demens. Programmet fångade vissa egenskaper av ordanvändning, meningsstruktur och betydelse från texten, vilket hjälpte det att producera en “inbäddning”, eller en karakteristisk profil av Alzheimers tal.

Skapande av en screeningsmaskin för Alzheimers

Teamet tränade sedan om programmet med inbäddningen, vilket förvandlade det till en screeningsmaskin för Alzheimers. Programmet testades genom att granska dussintals transkriptioner från datasetet för att bestämma om var och en var från någon som utvecklade Alzheimers.

Gruppen fann att GPT-3 presterade bättre än två andra topp-NLP-program när det gäller att korrekt identifiera Alzheimers-exempel, identifiera icke-Alzheimers-exempel och med färre missade fall.

En andra test använder den textuella analysen av GPT-3 för att förutsäga poängen för olika patienter från datasetet på en vanlig test för att förutsäga svårighetsgraden av demens. Denna vanliga test kallas Mini-Mental State Exam (MMSE).

GPT-3:s förutsägelse noggrannhet jämfördes med en analys som använde endast de akustiska egenskaperna hos inspelningarna, som inkluderar paus, röststyrka och sluddring, för att förutsäga MMSE-poängen. GPT-3 kunde uppnå cirka 20% högre noggrannhet i att förutsäga patienternas MMSE-poäng.

“Våra resultat visar att textinbäddningen som genereras av GPT-3 kan användas tillförlitligt för att inte bara upptäcka personer med Alzheimers sjukdom från friska kontroller, utan också för att förutsäga testpoängen för kognitiv bedömning, båda baserat enbart på taldatabas”, noterade teamet. “Vi visar vidare att textinbäddningen överträffar den konventionella akustiska funktionen-baserade metoden och presterar även konkurrenskraftigt med finjusterade modeller. Dessa resultat, tillsammans, tyder på att GPT-3-baserad textinbäddning är en lovande metod för AD-bedömning och har potentialen att förbättra tidig diagnos av demens.”

Forskarna planerar nu att utveckla en webbapplikation som kan användas hemma eller på läkarmottagningen som ett förtestverktyg.

“Vårt bevis för konceptet visar att detta kan vara ett enkelt, tillgängligt och tillräckligt känsligt verktyg för samhällsbaserad testning”, sa Liang. “Detta kan vara mycket användbart för tidig screening och riskbedömning innan en klinisk diagnos.”