Моделі штучного інтелекту використовують обробку природної мови для прогнозування ризику розвитку хвороби Альцгеймера

Команда дослідників штучного інтелекту з IBM та Pfizer (PFE ) розробила алгоритми штучного інтелекту, які потенційно можуть виявити ознаки хвороби Альцгеймера, аналізуючи письмові тексти людей та виявляючи лінгвістичні закономірності.

Інші дослідники штучного інтелекту розробили моделі, призначені для прогнозування розвитку хвороби Альцгеймера за допомогою аналізу ПЕТ-сканів або інтерпретації клінічних тестових даних. Ці моделі були навчені на недавніх даних, але модель, розроблена командою IBM-Pfizer, була навчена на даних з дослідження Фрамінгема, яке включає дані понад 14 000 людей протягом трьох поколінь і шести десятиліть. Довгостроковий характер даних важливий, оскільки якщо штучний інтелект здатний надійно виявляти закономірності в великих популяціях протягом тривалого часу, дослідники потенційно можуть прогнозувати розвиток хвороби Альцгеймера за кілька років до того, як це станеться за допомогою сучасних діагностичних методів. Крім того, це може бути надійним методом діагностики, який не потребує використання скануючої техніки або інвазивних тестів, збільшуючи кількість сценаріїв, в яких його можна використовувати.

За словами віце-президента IBM з питань охорони здоров’я та наук про життя Аджая Ройюру, моделі штучного інтелекту, розроблені дослідницькою командою, можуть функціонувати як інструмент, який допомагає медичним фахівцям отримувати підказки про можливий розвиток хвороби Альцгеймера до проведення клінічних тестів. Ці моделі можуть фактично функціонувати як ранні системи попередження, які спонукають медичних фахівців проводити більш обширні тести.

Для навчання моделей штучного інтелекту дослідницька команда використала транскрипції рукописних відповідей на різні питання. Учасники дослідження Фрамінгема були запитані описати картинку місця за допомогою природної мови. Відповіді, згенеровані респондентами, були оцифровані, а транскрипції були подані машинним алгоритмам як навчальні дані. За словами IBM, моделі змогли виявити певні лінгвістичні особливості, які корелюють з розвитком нейродегенеративних розладів. Клініцисти давно виявили, що певне використання повторюваних слів, помилок у правописі та перевага простих фраз над більш складними реченнями можуть бути ознаками прогресування хвороби Альцгеймера, і моделі штучного інтелекту виявили ці самі особливості.

За результатами дослідження , основна модель досягла приблизно 70% точності у прогнозуванні, хто з учасників первинного дослідження в кінцевому підсумку розвинув хворобу Альцгеймера до 85 років. Моделі, а отже, і результати були отримані з історичних даних у рамках первинного дослідження. Вони не передбачали майбутніх подій. Крім того, модель штучного інтелекту була навчена на найбільшій підгрупі населення Фрамінгема. Це населення було переважно неіспанським білим, і в результаті існує обмеження щодо того, наскільки результати можуть бути узагальнені для інших етнічних груп та населення світу. Розмір вибірки для дослідження був досить малим, складаючи лише 40 осіб, які розвили деменцію, та 40 осіб, які не розвили.

Незважаючи на ці обмеження, дослідження має значення як одне з перших досліджень, яке аналізує великомасштабні реальні дані, зібрані протягом тривалого періоду часу. Точність моделі потенційно може бути підвищена, якщо певні особливості, які були виключені з дослідження, будуть включені в майбутні навчальні дані, такі як рукописний текст. Подібний підхід також може бути застосований до аудіозаписів мови, які включають паузи, які не представлені в письмовій мові.

За словами Ройюру, перевага використання зразків мови полягає в тому, що, незалежно від того, чи є зразки усними чи письмовими, вони є неінвазивними методами визначення когнітивного стану людей. Збір даних мови можна проводити дистанційно та відносно дешево за допомогою інтернету, хоча важливо, щоб були запроваджені заходи щодо захисту конфіденційності та інформованої згоди під час збору таких даних.

Споріднений автор дослідження та дослідник нейровізуалізації та обчислювальної психіатрії в IBM Гільєрмо Сеччі розказав Scientific American, що процес адаптується для розуміння інших форм хвороб також:

«Ми зараз використовуємо цю технологію для кращого розуміння хвороб, таких як схізофренія, [аміотрофічний латеральний склероз] та хвороба Паркінсона, і робимо це в перспективних дослідженнях [які] аналізують усні мовні зразки, надані з згоди від подібних когнітивних вербальних тестів».