هوش مصنوعی می‌تواند علائم اولیه آلزایمر را در الگوهای گفتاری تشخیص دهد

محققان مرکز پزشکی UT Southwestern دریافتند که تجزیه و تحلیل صوتی مبتنی بر هوش مصنوعی می‌تواند به تشخیص آلزایمر و اختلالات شناختی در مراحل اولیه کمک کند و در صورت تایید توسط مطالعات بزرگ‌تر، به طور بالقوه یک ابزار غربالگری کارآمد برای ارائه‌دهندگان مراقبت‌های اولیه فراهم می‌کند.

محقق موسسه مغز O’Donnell می‌گوید: « این یافته‌ها ممکن است منجر به یک تست غربالگری ساده برای تشخیص زودهنگام اختلالات شناختی شود. »

به گفته محقق مرکز پزشکی UT Southwestern که سرپرستی یک مطالعه منتشر شده در نشریه تشخیص، ارزیابی و نظارت بر بیماری در انجمن آلزایمر است، فناوری‌های جدیدی که می‌توانند تغییرات ظریف در صدای بیمار را ثبت کنند، ممکن است به پزشکان در تشخیص اختلالات شناختی و بیماری آلزایمر قبل از شروع علائم کمک کنند.

ایهاب هاجار، پروفسور نورولوژی در دانشگاه UT Southwestern، گفت: « تمرکز ما بر شناسایی تغییرات ظریف زبانی و صوتی بود که در مراحل اولیه بیماری آلزایمر وجود دارد اما به راحتی توسط اعضای خانواده یا پزشک فرد قابل تشخیص نیستند. »

محققان از ابزارهای پیشرفته یادگیری ماشینی و پردازش زبان طبیعی (NLP) برای ارزیابی الگوهای گفتار در 206 نفر استفاده کردند – 114 نفر که معیارهای زوال شناختی خفیف را داشتند و 92 نفر که آسیبی نداشتند. این تیم سپس این یافته‌ها را با نشانگرهای زیستی رایج مورد استفاده برای تعیین اثربخشی آنها در اندازه گیری اختلال ترسیم کرد.

شرکت کنندگان در مطالعه، که در یک برنامه تحقیقاتی در دانشگاه اموری در آتلانتا ثبت‌نام کرده بودند، چندین ارزیابی شناختی استاندارد انجام دادند که شامل توصیف یک تصویر هنری می‌شد.

دکتر حجار گفت: «توضیحات ثبت شده از تصویر، احتمالی از توانایی‌های مکالمه را در اختیار ما قرار می‌دهد که می‌توانیم از طریق هوش مصنوعی برای تعیین کنترل حرکت گفتار، تراکم ایده، پیچیدگی دستوری و سایر ویژگی‌های گفتاری، آن را مطالعه کنیم.»

تیم تحقیقاتی تجزیه و تحلیل گفتار، شرکت‌کنندگان را با نمونه‌های مایع مغزی نخاعی و اسکن‌های MRI مقایسه کردند تا مشخص کنند که نشانگرهای زیستی دیجیتالی، در آنها تا چه اندازه اختلالات شناختی خفیف و وضعیت و پیشرفت بیماری آلزایمر وجود دارد.

دکتر حجار گفت: «قبل از توسعه یادگیری ماشین و NLP، مطالعه دقیق الگوهای گفتار در بیماران بسیار سخت بود و اغلب موفقیت آمیز نبود، زیرا تغییرات در مراحل اولیه اغلب برای گوش انسان غیرقابل تشخیص است. این روش جدید آزمایش در تشخیص افراد دارای اختلال شناختی خفیف و به طور خاص در شناسایی بیماران دارای شواهد بیماری آلزایمر به خوبی عمل کرد – حتی زمانی که نمی توان آن را به راحتی با استفاده از ارزیابی‌های شناختی استاندارد تشخیص داد.»

در طول این مطالعه، محققان کمتر از 10 دقیقه را صرف ضبط صدای بیمار کردند. آزمایش‌های عصبی روان‌شناختی سنتی معمولاً چندین ساعت طول می‌کشد تا انجام شوند.

دکتر حجار گفت: «اگر با مطالعات بزرگ‌تر، این تحقیقات تأیید شوند، استفاده از هوش مصنوعی و یادگیری ماشینی برای مطالعه صداهای ضبط‌شده می‌تواند ابزار غربالگری با قابلیت انجام آسان برای افراد در معرض خطر را در اختیار پزشکان ارائه دهد. تشخیص‌های اولیه به بیماران و خانواده‌ها زمان بیشتری برای برنامه‌ریزی برای آینده می‌دهد و به پزشکان انعطاف‌پذیری بیشتری در توصیه مداخلات سبک زندگی امیدوارکننده می‌دهد.»

همچنین بخوانید:

منبع

مترجم: حنانه بریمانی

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه