Maschinelles Lernen kann Anzeichen von Alzheimer bei Patienten erkennen, die sich an die Geschichte von Aschenputtel erinnern

Maschinelles Lernen kann Anzeichen von Alzheimer bei Patienten erkennen, die sich an die Geschichte von Aschenputtel erinnern

Eine brandneue Forschung von Wissenschaftlern des Neurosciences Research Center in St. George's hat tatsächlich die Härte sowie die Einschränkungen verschiedener Berufe bestimmt, die genutzt werden, um die frühen Anzeichen von Alzheimer durch Sprachauswertung sowie maschinelles Lernen zu erkennen Veröffentlicht in der Zeitschrift Grenzen in der Informatik, zeigt die Forschung, dass während maschinelles Lernen eingesetzt werden kann, um Sprachmuster auf Anzeichen einer Erkrankung auszuwerten, die Detailarbeit der zu überprüfenden Person jedoch eine wichtige Aufgabe für die Untersuchungspräzision spielt.

Frühere Forschungsstudien des Teams haben tatsächlich gezeigt, dass die Alzheimer-Erkrankung die Sprache im Voraus extrem beeinflusst und aus diesem Grund Sprachanalysen verwendet werden können, um die Erkrankung in einer früheren Phase zu erkennen. Je früher es erhalten wird, desto schneller können Behandlungen in Betracht gezogen werden, um dem Einzelnen zu helfen.

Diese neueste Forschung umfasst in den Beweis durch die Suche nach, um die Aktionen sowie Jobs zu bewerten, die verwendet werden können, um auf Alzheimer zu überprüfen. Durch die Aufzeichnung des Sounds von Jobs, die von Einzelpersonen ausgeführt wurden, verwendete die Forschungsstudiengruppe danach ein maschinelles Lernprogramm, in St. George's eingerichtet, um Anzeichen von Zustand zu bewerten.

Die in der Forschung genutzten Arbeitsplätze stehen für eine Vielzahl von Ansätzen, die in medizinischen Versorgungssituationen zum Einsatz kommen. Eine der gebräuchlichsten Techniken, die von Medizinern verwendet wird, besteht darin, Patienten zu bitten, eine Szene namens „Cookie Theft“ zu definieren. Andere Techniken bestehen darin, die Person zu bitten, eine gefundene Geschichte zu erzählen, wie zum Beispiel bekannte Märchen wie Aschenputtel – eine komplizierte Aufgabe, bei der sie eine Sammlung von Persönlichkeiten sowie Gelegenheiten direkt in eine Zeitleiste integrieren müssen, an die sie sich erinnern können.

Für diese Forschung nutzten die Wissenschaftler die Überanalysen, zusammen mit einer schrittweisen Erinnerung (wie man eine Tasse Tee zubereitet), einer einzigartigen Erzählung (Erklärung einer Geschichte anhand von Fotos, die in einer wortlosen Kindergeschichtenpublikation angeboten werden). , sowie Konversationssprache (Wegweiser für eine weitere Person anbieten, einen Weg über Orte auf einer Karte erklären), um Anzeichen von Alzheimer durch Sprachauswertung zu erkennen.

Nach der Untersuchung der Ergebnisse von 50 Testpersonen (25 mit mittelschwerer Alzheimer-Krankheit oder mittelschwerer kognitiver Behinderung sowie 25 gesunden und ausgewogenen Kontrollpersonen) stellte die Gruppe fest, dass das Erzählen einer überlernten Geschichte wie Aschenputtel die genauesten Ergebnisse lieferte. Das verwendete maschinelle Lernsystem konnte mit einer Genauigkeit von 78 % feststellen, ob eine Person an Alzheimer oder mittelschwerer kognitiver Behinderung litt, wobei die Aufgabe „Cookie Theft“ mit 76 % knapp dahinter lag – Ergebnisse, die mit bestehenden Tests auf Krankheit vergleichbar sind. Die anderen bewerteten Aufgaben ergaben Genauigkeiten zwischen 62 % (neue Erzählung nacherzählen) und 74 % (prozeduraler Rückruf).

„Unser Ergebnisprogramm, dass wir durch den Wechsel der Arbeitsplätze, die zur Beurteilung von Alzheimer verwendet werden, die Möglichkeit haben, den Zustand durch Sprachauswertung genauer zu erkennen“, sagt Studienautor und Doktorand im Abschlussjahr. Studentin in St. George's, Natasha Clarke.

Clarke stellt fest, dass größere Studien erforderlich sind, um ihr Verständnis ihrer Bewertungen noch weiter zu verbessern, und fügt hinzu: „Wir wünschen uns, dass diese moderne Technologie langfristig von einem anderen Ort aus genutzt wird, beispielsweise über Anwendungen für intelligente Geräte, um Stress und Angst zu minimieren.“ rund um das Screening auf den Zustand. Wenn wir das Screening vereinfachen können, können wir danach im Idealfall den Zustand früher erkennen und schneller mit der Behandlung von Personen beginnen.“

Nach den Ergebnissen dieser Forschung möchte die Gruppe derzeit ein Jahr später mit Forschern zusammentreffen, um die Anpassungen im Laufe der Zeit zu bewerten und mehr über die Zustandsentwicklung zu erfahren.