AI Modelleri, Alzheimer Geliştirme Riskini Tahmin Etmek İçin Doğal Dil İşleme Kullanıyor

IBM ve Pfizer'den yapay zeka araştırmacılarından oluşan bir ekip AI algoritmaları geliştirdi insanların yazılarını analiz ederek ve dil kalıplarını bularak potansiyel olarak Alzheimer hastalığının belirtilerini tespit edebilen.

Diğer AI araştırmacıları, Alzheimer gelişimini tahmin etmeyi amaçlayan modeller geliştirdiler. PET taramalarını analiz ederek veya klinik test verilerini yorumlayarak. Bu diğer modeller en son verilerle eğitildi, ancak IBM-Pfizer ekibi tarafından geliştirilen model, üç kuşak ve altmış yıl boyunca 14,000'den fazla kişiyle ilgili verileri içeren Framingham Kalp Çalışması'ndan elde edilen verilerle eğitildi. Verilerin uzun vadeli doğası önemlidir, sanki yapay zeka uzun süreler boyunca büyük popülasyonlardaki kalıpları güvenilir bir şekilde tespit edebiliyorsa, araştırmacılar potansiyel olarak Alzheimer'ın tezahürünü mevcut teşhis tekniklerinden yıllar önce tahmin edebilirler. Ayrıca, tarama teknolojisi veya invaziv testler gerektirmeyen, kullanılabileceği senaryoların çeşitliliğini artıran güvenilir bir tanı yöntemi olabilir.

IBM'in sağlık ve yaşam bilimleri başkan yardımcısı Ajay Royyuru'ya göre, araştırma ekibi tarafından geliştirilen AI modelleri, tıp pratisyenlerinin klinik testlerden önce Alzheimer'ın olası gelişimi hakkında ipuçları almasına yardımcı olan bir araç işlevi görebilir. Modeller, tıp pratisyenlerini daha kapsamlı testler yapmaya sevk eden erken uyarı sistemleri olarak işlev görebilir.

Yapay zeka modellerini eğitmek için araştırma ekibi, çeşitli sorulara verilen el yazısıyla yazılan yanıtların transkripsiyonlarını kullandı. Framingham Kalp Araştırması katılımcılarından kendi doğal dillerini kullanarak bir ortamın resmini tanımlamaları istendi. Katılımcılar tarafından oluşturulan cevaplar dijitalleştirildi ve transkripsiyonlar, eğitim verileri olarak makine öğrenimi algoritmalarına beslendi. IBM'e göre modeller, nörodejeneratif bozuklukların gelişimiyle ilişkili belirli dilsel özellikleri tespit edebildi. Klinisyenler uzun süredir tekrarlanan kelimelerin, yazım yanlışlarının ve daha karmaşık cümleler yerine basit ifadelerin tercih edilmesinin Alzheimer hastalığının ilerleyişinin göstergesi olabileceğini ve yapay zeka modellerinin de aynı özelliklere sahip olduğunu buldu.

Göre çalışmanın sonuçları, ana model, orijinal çalışmadaki katılımcılardan hangisinin 70 yaşına kadar sonunda Alzheimer hastalığına yakalandığını tahmin etmede yaklaşık %85 doğruluk elde etti. Modeller ve dolayısıyla sonuçlar, orijinal çalışmadaki tarihsel verilerden elde edildi. Gelecekteki olayları gerçekten tahmin edemediler. Ek olarak, AI modeli, Framingham popülasyonunun en eski alt bölümü üzerinde eğitildi. Bu popülasyon, esas olarak Hispanik olmayan beyazdı ve sonuç olarak, sonuçların dünyadaki diğer etnik kökenler ve diğer popülasyonlar için ne kadar genelleştirilebilir olduğunun sınırları vardır. Çalışma için örneklem büyüklüğü de oldukça küçüktü, sadece bunama geliştiren 40 kişiden ve olmayan 40 kişiden oluşuyordu.

Bu sınırlamalara rağmen, çalışma, uzun bir süre boyunca toplanan büyük ölçekli gerçek yaşam verilerini analiz eden ilk çalışmalardan biri olarak değere sahiptir. Çalışmanın dışında bırakılan bazı özellikler, el yazısı gibi gelecekteki eğitim verilerine dahil edilirse, modelin doğruluğu potansiyel olarak artırılabilir. Benzer bir yaklaşım, yazılı dilde temsil edilmeyen duraklamaları içeren konuşma ses kayıtları için de kullanılabilir.

Royyuru'ya göre, dil örnekleri kullanmanın avantajı, örneklerin sözlü veya yazılı olmasına bakılmaksızın, insanların bilişsel durumlarını tespit etmek için müdahaleci olmayan yöntemler olmalarıdır. Dil verilerinin toplanması, internetten yararlanılarak uzaktan ve nispeten ucuz bir şekilde yapılabilir, ancak bu tür verileri toplarken gizlilik önlemlerinin ve bilgilendirilmiş rızanın yürürlükte olması önemlidir.

Çalışmanın ortak yazarı ve IBM'de nörogörüntüleme ve hesaplamalı psikiyatri araştırmacısı Guillermo Cecchi, Scientific American'a açıkladı sürecin diğer hastalık türlerini de anlamak için uyarlandığını:

"Şizofreni, [amyotrofik lateral skleroz] ve Parkinson hastalığı gibi hastalıkları daha iyi anlamak için bu teknolojiden yararlanma sürecindeyiz ve bunu, benzer bilişsel sözel testlerden izin alınarak sözlü konuşma örneklerini analiz eden ileriye dönük çalışmalarda yapıyoruz. ”