Pembelajaran mesin dapat mengidentifikasi tanda-tanda Alzheimer pada pasien yang mengingat kisah Cinderella

Pembelajaran mesin dapat mengidentifikasi tanda-tanda Alzheimer pada pasien yang mengingat kisah Cinderella

Sebuah penelitian baru oleh para ilmuwan dari Neurosciences Research Center di St George's telah menentukan ketangguhan dan pembatasan berbagai pekerjaan yang digunakan untuk mendeteksi tanda-tanda awal penyakit Alzheimer melalui evaluasi pidato dan pembelajaran mesin. Diterbitkan dalam jurnal Perbatasan dalam Ilmu Komputer, penelitian menunjukkan bahwa sementara pembelajaran mesin dapat digunakan untuk mengevaluasi pola bicara untuk tanda-tanda kondisi, rincian pekerjaan yang ditunjuk untuk individu yang diperiksa memainkan tugas penting dalam ketepatan pemeriksaan.

Studi penelitian sebelumnya oleh tim telah mengungkapkan bahwa kondisi Alzheimer sangat mempengaruhi bahasa sebelumnya dalam kondisi tersebut dan, oleh karena itu, analisis bahasa dapat digunakan untuk mendeteksi kondisi pada tahap awal. Semakin dini didapat, semakin cepat perawatan dapat dipertimbangkan untuk membantu individu.

Penelitian terbaru ini termasuk dalam pembuktian dengan mencari untuk mengevaluasi tindakan serta pekerjaan yang dapat digunakan untuk memeriksa Alzheimer Dengan merekam suara dari pekerjaan yang dilakukan oleh individu, kelompok studi penelitian kemudian menggunakan program pembelajaran mesin, didirikan di St George's, untuk mengevaluasi tanda-tanda kondisi.

Pekerjaan yang digunakan dalam penelitian berdiri untuk berbagai pendekatan yang digunakan dalam situasi perawatan medis. Salah satu teknik paling umum yang digunakan oleh para profesional medis adalah meminta pasien untuk menentukan adegan yang disebut gambar "Pencurian Cookie". Teknik lain termasuk meminta individu untuk menceritakan kisah yang ditemukan, seperti dongeng terkenal seperti Cinderella – pekerjaan yang rumit, yang mengharuskan mereka untuk memasukkan kumpulan kepribadian dan peristiwa ke dalam garis waktu yang dapat mereka ingat.

Untuk penelitian ini, para ilmuwan memanfaatkan analisis berlebihan, bersama dengan langkah-demi-langkah mengingat (menyatakan bagaimana membuat secangkir teh), menceritakan kembali naratif yang unik (menjelaskan cerita dari foto yang ditawarkan dalam publikasi cerita anak-anak tanpa kata) , serta pidato percakapan (menawarkan petunjuk arah kepada individu tambahan, menjelaskan jalur melalui situs di peta), untuk menemukan tanda-tanda Alzheimer melalui evaluasi ucapan.

Setelah memeriksa hasil dari 50 individu uji (25 dengan kondisi Alzheimer sedang atau cacat kognitif sedang serta 25 kontrol yang sehat dan seimbang), kelompok tersebut menemukan bahwa menceritakan kisah yang dipelajari secara berlebihan, seperti Cinderella memberikan hasil yang paling tepat. Sistem pembelajaran mesin yang digunakan memiliki kemampuan untuk mengidentifikasi apakah seseorang menderita Alzheimer atau cacat kognitif sedang dengan presisi 78%, dengan tugas "Pencurian Cookie" mendekati 76%—hasil yang sebanding dengan tes penyakit yang ada. Tugas-tugas lain yang dinilai memberikan akurasi berkisar antara 62% (penceritaan kembali naratif novel) dan 74% (pengingat prosedural).

“Hasil penelitian kami menunjukkan bahwa dengan mengubah pekerjaan yang digunakan untuk mengevaluasi Alzheimer, kami memiliki kemungkinan untuk menemukan kondisi dengan lebih presisi melalui evaluasi ucapan,” kata penulis studi dan Ph.D. mahasiswa di St George's, Natasha Clarke.

Memperhatikan bahwa studi yang lebih besar diperlukan untuk meningkatkan pemahaman mereka tentang penilaian mereka lebih jauh, Clarke menambahkan, “Dalam jangka panjang, kami berharap teknologi modern ini dapat digunakan dari lokasi lain, seperti melalui aplikasi perangkat pintar, meminimalkan stres dan kecemasan. sekitar penyaringan untuk kondisi. Jika kita dapat membuat skrining lebih sederhana, maka idealnya kita dapat mengidentifikasi kondisi lebih awal serta mulai menangani individu lebih cepat.”

Mengikuti hasil penelitian ini, tim tersebut akan mengikuti penelitian individu satu tahun kemudian untuk mengevaluasi penyesuaian dengan waktu dan mempelajari lebih lanjut tentang perkembangan kondisi.

Detonic