Lietotne varētu atzīmēt Alcheimera slimību no tālruņa sarunām

Kāds izmanto zilu viedtālruni

  • Pašlaik trūkst lētu, pieejamu un uzticamu testu, lai agrīnā stadijā diagnosticētu Alcheimera slimību.
  • Cilvēki ar šo stāvokli mēdz runāt lēnāk un ar ilgākām pauzēm.
  • Nesenā pētījumā pētnieki izmantoja mašīnmācīšanos, lai izstrādātu modeļus, kas izmanto cilvēka sarunu akustiskās iezīmes, lai noteiktu, vai viņiem var būt agrīna Alcheimera slimība.
  • Ja turpmākie testi izrādīsies veiksmīgi, modeļi varētu palīdzēt noteikt stāvokļa sākuma stadijas, izmantojot viedtālruņa lietotni vai tiešsaistē.

Alcheimera slimība ietver progresējošu deģenerāciju smadzeņu daļās, kas pārvalda domas, atmiņu un valodu.

Slimību kontroles un profilakses centrs (CDC) ziņo, ka 2020. gadā Amerikas Savienotajās Valstīs ar šo slimību dzīvoja līdz 5.8 miljoniem cilvēku.

Pētījumi liecina, ka agrīna diagnostika ir svarīga, jo tā dod ārstiem iespēju pēc iespējas ātrāk sākt klīnisko iejaukšanos, lai pārvaldītu personas simptomus.

Tomēr pašlaik nav pieejami lēti, plaši pieejami un uzticami instrumenti Alcheimera slimības diagnosticēšanai tās preklīniskajā stadijā.

Viens no iespējamiem diagnostikas rādītājiem var būt tas, ka ikdienas sarunās cilvēki ar šo slimību mēdz runāt lēnāk, apstājoties, mēģinot atrast pareizos vārdus. Rezultātā viņu runai var pietrūkt plūduma, salīdzinot ar cilvēkiem bez stāvokļa.

Zinātnieki no McCann Healthcare Worldwide, Tokijas Medicīnas un zobārstniecības universitātes, Keio universitātes un Kioto universitātes Japānā sprieda, ka pilnībā automatizēts modelis varētu izmantot runas akustiskās īpašības, piemēram, pauzes, piķi un balss intensitāti, lai prognozētu, kurš varētu attīstīties. Alcheimera slimība.

Viņi izmantoja mašīnmācīšanos, lai izveidotu modeļus, kuri, pēc viņu domām, galu galā varētu būt tikpat labi vai pat labāki par standarta testu, kuru ārsti izmanto slimības diagnosticēšanai.

Zinātnieki ir ziņojuši par saviem rezultātiem PLOS ONE.

Mašīnmācīšanās algoritmi

Komanda izmantoja trīs mašīnmācīšanās algoritmus, lai analizētu balss datus no 24 cilvēkiem ar Alcheimera slimību un 99 cilvēkiem bez tiem, kuri visi bija 65 gadus veci vai vecāki.

Audio ieraksti nāca no sabiedrības veselības programmas Hačidžjā, kurā piedalījās dalībnieki, kuri pa tālruni runāja par dzīvesveida izmaiņām, lai samazinātu demences risku.

Programmas ietvaros dalībnieki veica arī kognitīvās funkcionēšanas standarta testa japāņu versiju, ko sauc par telefona interviju kognitīvajam statusam (TICS-J).

Jaunajam pētījumam zinātnieki izmantoja dažu audio ierakstu balss iezīmes, lai apmācītu mašīnmācīšanās algoritmus, lai atšķirtu cilvēkus ar Alcheimera slimību un kontrolēm.

Viņi izmantoja atlikušos ierakstus, lai novērtētu iegūto modeļu veiktspēju.

Viens no modeļiem, kura pamatā bija algoritms, ko sauc par ārkārtēju gradienta palielināšanu (XGBoost), darbojās labāk nekā TICS-J, lai gan atšķirība starp abiem nesasniedza statistiskās nozīmības slieksni.

Barojot modeli ar vairākiem audio failiem no katra indivīda, uzlabojās tā pareģojumu uzticamība.

Gan XGBoost, gan TICS-J jutīguma rādītājs bija 100%, tas nozīmē, ka nebija viltus negatīvu - visiem dalībniekiem, kuriem testi atklāja, ka viņiem nav Alcheimera slimības, nebija šī stāvokļa.

XGBoost ieguva arī perfektu rezultātu specifiskumam, kas nozīmē, ka nebija viltus pozitīvu rezultātu, un visi cilvēki, kurus tā definēja kā Alcheimera slimību, patiešām bija cilvēki ar šo stāvokli. Salīdzinājumam, TICS-J ieguva tikai 83.3%.

Citiem vārdiem sakot, 16.7% dalībnieku, par kuriem TICS-J uzskatīja, ka viņiem ir Alcheimera slimība, faktiski bija laba kognitīvā veselība.

Pētnieki saka, ka izstrādātāji varētu iekļaut savu modeli vietnēs vai mobilajās lietotnēs, ļaujot plašākai sabiedrībai pašam piekļūt tam.

Viņi uzskata, ka šāds pareģojošais rīks ļautu cilvēkiem agrīnā slimības stadijā meklēt profesionālu palīdzību.

Viņi secina:

"Mūsu sasniegums labi prognozēt [Alcheimera slimību], izmantojot tikai ikdienas sarunu balss iezīmes, norāda uz iespēju izstrādāt [Alcheimera slimības] pirmsskrīninga rīku starp visiem iedzīvotājiem, kas būtu pieejamāks un ar zemākām izmaksām."

"[Mēs] tagad plānojam vēlreiz veikt šo pārbaudi ar lielāku izlases apjomu jaunajā laukā līdz šī gada beigām, lai vēl vairāk apstiprinātu mūsu rezultātus," sacīja vadošais autors Akihiro Šimoda no McCann Healthcare Worldwide Tokijā.

"McCann Health vēlas uzlabot šo diagnostikas skrīninga metodi, lai attīstītu savu pakalpojumu" Dearphone ", kura mērķis ir veicināt demences profilaksi un agrīnu atklāšanu," viņš teica "Detonic.shop".

Viņš teica, ka līdzās lietotnēm un tiešsaistes platformām izstrādātāji varētu iekļaut savu modeli parastā tālruņa pakalpojumā vecākiem cilvēkiem, kuri neizmanto viedtālruni vai datoru.

"Patiesībā mēs meklējam partneri, kas varētu sadarboties ar mums, lai izstrādātu un ieviestu mūsu modeli sabiedrībā," viņš piebilda.

Pētījuma ierobežojumi

Viens no galvenajiem pētījuma ierobežojumiem bija tas, ka tajā tika izmantoti audio dati no cilvēkiem, kuri jau bija saņēmuši Alcheimera slimības diagnozi.

Lai apstiprinātu, ka modelis darbojas, pētniekiem tas būtu jāpārbauda, ​​izmantojot lielāku paraugu no vispārējās populācijas, un pēc tam tiem laika gaitā jāseko, lai redzētu, kurš attīstīja šo stāvokli.

Autori atzīmē dažus citus viņu darba ierobežojumus. Piemēram, pētījumā netika nošķirti cilvēki ar Alcheimera slimību un cilvēki ar viegliem kognitīviem traucējumiem, kuriem var būt atšķirīgas runas īpašības. Turklāt izlases lielums bija salīdzinoši mazs.

Viņi arī atzīmē, ka nākotnes modelis varētu iekļaut runas saturu un teikumu struktūru, lai uzlabotu tā veiktspēju.