Algoritmy strojového učení používané k detekci Alzheimerovy choroby během telefonních rozhovorů

Algoritmy strojového učení používané k detekci Alzheimerovy choroby během telefonních rozhovorů

Vědci pracující na ministerstvu veřejného zdraví, McCann Healthcare Worldwide Japan Inc., vytvořili tři algoritmy, které lze použít k detekci Alzheimerovy choroby u pacientů při telefonických rozhovorech. Skupina napsala článek popisující algoritmy a jejich účinnost a nahrála jej na web s otevřeným přístupem PLOS ONE.

Přes celosvětové úsilí stále neexistuje lék na Alzheimerovu chorobu, která postihuje miliony lidí po celém světě, z toho přibližně 5.8 milionu ve Spojených státech. Lékařští vědci se však pustili do zpomalení jejího postupu; proto je stále důležitější včasná identifikace nemoci. Vědci tak obrátili pozornost k hledání nových způsobů, jak předpovědět, kteří lidé onemocní. V tomto novém úsilí se vědci obrátili na strojové učení jako pomoc při diagnostice.

Předchozí výzkum ukázal, že některé z prvních příznaků Alzheimerovy choroby zahrnují mluvení pomaleji než obvykle a častější pauzy během konverzací. Již se pracuje na rozpoznání těchto obtíží řeči - jeden projekt japonského týmu používá test Telefonický rozhovor pro kognitivní stav (TICS-J), kde se zaznamenávají a studují telefonní rozhovory, aby se zjistilo, zda nedochází k pomalé nebo přerušované řeči. V této nové studii vědci nahradili lidi poslouchající a analyzující telefonní hovory počítačem využívajícím algoritmus strojového učení.

Pro studium řečových vzorů byly navrženy tři různé algoritmy strojového učení. Všichni byli učeni identifikovat příznaky Alzheimerovy choroby pomocí hlasových záznamů z probíhajícího programu demence v Japonsku. K testování algoritmů byly poté použity další hlasové záznamy a vědci zjistili, že jsou v průměru stejně dobré nebo o něco lepší než TICS-J a nevracejí žádné falešné poplachy. Vědci naznačují, že jejich algoritmy by mohly být použity k poskytnutí levnější a přístupnější formy časného testování na Alzheimerovu chorobu.