Aplikacija bi mogla označiti Alzheimerovu bolest iz telefonskih razgovora

Netko tko koristi plavi pametni telefon

  • Trenutno nedostaju jeftini, pristupačni i pouzdani testovi za dijagnozu Alzheimerove bolesti u ranoj fazi.
  • Ljudi s tim stanjem imaju tendenciju da govore sporije i s dužim stankama.
  • U nedavnom istraživanju istraživači su koristili strojno učenje da bi razvili modele koji koriste akustične značajke razgovora osobe kako bi utvrdili postoji li rana Alzheimerova bolest.
  • Ako se daljnja ispitivanja pokažu uspješnima, modeli bi mogli pomoći u prepoznavanju ranih faza stanja putem aplikacije za pametni telefon ili putem interneta.

Alzheimerova bolest uključuje progresivnu degeneraciju u dijelovima mozga koji upravljaju mislima, pamćenjem i jezikom.

Centri za kontrolu i prevenciju bolesti (CDC) izvještavaju da je u 2020. godini do 5.8 milijuna ljudi u Sjedinjenim Državama živjelo s tom bolešću.

Istraživanja sugeriraju da je rana dijagnoza važna jer pruža priliku liječnicima da što prije započnu kliničke intervencije kako bi upravljali simptomima te osobe.

Međutim, trenutno nisu dostupni jeftini, široko dostupni i pouzdani alati za dijagnozu Alzheimerove bolesti tijekom njezine pretkliničke faze.

Jedan od mogućih dijagnostičkih pokazatelja može biti da u svakodnevnom razgovoru oboljeli od bolesti teže govoriti sporije, zastajući dok pokušavaju pronaći prave riječi. Kao rezultat, njihovom govoru može nedostajati tečnost u usporedbi s ljudima bez tog stanja.

Znanstvenici s McCann Healthcare Worldwide, Tokijskog medicinskog i stomatološkog sveučilišta, Sveučilišta Keio i Sveučilišta Kyoto u Japanu obrazložili su da bi potpuno automatizirani model mogao koristiti akustične značajke govora, poput stanki, visine i intenziteta glasa, da bi predvidio tko će se vjerojatno razviti Alzheimerova bolest.

Strojno učenje koristili su za stvaranje modela za koje vjeruju da bi na kraju mogli biti jednako dobri ili čak bolji od standardnih testova koje liječnici koriste za dijagnozu bolesti.

Znanstvenici su izvijestili o svojim rezultatima u PLOS ONE.

Algoritmi strojnog učenja

Tim je koristio tri algoritma strojnog učenja za analizu glasovnih podataka 24 osobe s Alzheimerovom bolešću i 99 osoba bez nje, a svi su bili u dobi od 65 godina ili više.

Audiozapisi su stigli iz programa javnog zdravstva u Hachiojiju koji je uključivao sudionike koji su telefonom razgovarali o promjenama načina života kako bi smanjili rizik od demencije.

Kao dio programa sudionici su prošli i japansku verziju standardnog testa kognitivnog funkcioniranja nazvanog Telefonski intervju za kognitivni status (TICS-J).

Za novo istraživanje znanstvenici su koristili vokalne značajke nekih audiozapisa kako bi uvježbali algoritme strojnog učenja kako bi razlikovali ljude s Alzheimerovom bolešću i kontrole.

Preostali dio snimaka upotrijebili su za procjenu izvedbe dobivenih modela.

Jedan od modela, koji se temeljio na algoritmu koji se naziva ekstremno pojačavanje gradijenta (XGBoost), pokazao se boljim od TICS-J, iako razlika između njih dva nije dosegla prag statističke značajnosti.

Hranjenje modela s nekoliko zvučnih datoteka svakog pojedinca poboljšalo je pouzdanost njegovih predviđanja.

I XGBoost i TICS-J imali su ocjenu osjetljivosti od 100%, što znači da nije bilo lažnih negativa - svi sudionici za koje su testovi utvrdili da nemaju Alzheimerovu bolest nisu imali stanje.

XGBoost je također dobio savršenu ocjenu za specifičnost, što znači da nije bilo lažnih pozitivnih rezultata, a svi ljudi koje je definirao kao Alzheimerove bolesti uistinu su bili ljudi s ovim stanjem. Za usporedbu, TICS-J je postigao samo 83.3%.

Drugim riječima, 16.7% sudionika za koje je TICS-J procijenio da imaju Alzheimerovu bolest zapravo je imalo dobro kognitivno zdravlje.

Istraživači kažu da bi programeri mogli ugraditi svoj model u web stranice ili u mobilne aplikacije, omogućujući široj javnosti da im sama pristupi.

Vjeruju da bi takav prediktivni alat mogao voditi ljude u najranijim fazama bolesti da potraže stručnu pomoć.

Zaključuju:

"Naše postignuće u predviđanju [Alzheimerove bolesti] dobro koristeći samo glasovne značajke iz svakodnevnog razgovora ukazuje na mogućnost razvoja alata za pred-screening za [Alzheimerovu bolest] među općom populacijom koji je pristupačniji i jeftiniji."

"[Sada] planiramo ponovno provesti ovaj test s većom veličinom uzorka na novom polju do kraja ove godine kako bismo dodatno potvrdili naše rezultate", rekao je vodeći autor Akihiro Shimoda iz tvrtke McCann Healthcare Worldwide u Tokiju.

"McCann Health želi još poboljšati ovu metodu dijagnostičkog probira kako bi razvio vlastitu uslugu pod nazivom" Dearphone "koja ima za cilj doprinos prevenciji i ranom otkrivanju demencije", rekao je za "Detonic.shop".

Rekao je da bi, uz aplikacije i mrežne platforme, programeri mogli ugraditi svoj model u konvencionalnu telefonsku uslugu za starije ljude koji ne koriste pametni telefon ili računalo.

"Zapravo, tražimo partnera koji može surađivati ​​s nama kako bismo razvili i primijenili naš model u društvo", dodao je.

Ograničenja studije

Jedno od glavnih ograničenja studije bilo je to što se koristilo audio podacima ljudi koji su već dobili dijagnozu Alzheimerove bolesti.

Da bi potvrdili da model funkcionira, istraživači bi ga trebali testirati na većem uzorku iz opće populacije, a zatim ih slijediti s vremenom kako bi vidjeli tko je razvio stanje.

Autori primjećuju neka druga ograničenja svog rada. Na primjer, studija nije razlikovala ljude s Alzheimerovom bolešću od onih s blagim kognitivnim oštećenjima koji mogu imati različite govorne karakteristike. Uz to, veličina uzorka bila je relativno mala.

Također primjećuju da bi budući model mogao uključiti govorni sadržaj i strukturu rečenice kako bi poboljšao svoje performanse.