App signaleert mogelijk alzheimer door telefoongesprek

Iemand die een blauwe smartphone gebruikt

  • Goedkope, beschikbare en ook vertrouwde onderzoeken om de ziekte van Alzheimer in een vroeg stadium te identificeren, hebben momenteel geen.
  • Mensen met het probleem hebben de neiging om extra geleidelijk te praten en ook met langere pauzes.
  • In een huidige onderzoeksstudie gebruikten wetenschappers het ontdekken van apparaten om versies vast te stellen die de akoestische functies van de discussies van een persoon gebruiken om te herkennen of ze een zeer vroege ziekte van Alzheimer hebben.
  • Als meer onderzoeken effectief blijken te zijn, kunnen de versies helpen om het begin van het probleem te herkennen met behulp van een app op een smart-apparaat of online.

De ziekte van Alzheimer omvat een moderne achteruitgang van de componenten van de geest die ideeën, geheugen en ook taal reguleren.

De Centers for Disease Control and also Prevention (CDC) registreren dat in 2020 maar liefst 5.8 miljoen mensen in de Verenigde Staten met de aandoening te maken hadden.

Onderzoek beveelt aan dat een zeer vroege medische diagnose erg belangrijk is vanwege het feit dat het artsen de kans biedt om zo snel mogelijk professionele behandelingen te starten om voor de symptomen van het individu te zorgen.

Er worden momenteel echter geen economische, uitgebreid beschikbare en ook vertrouwde apparaten aangeboden om de toestand van Alzheimer tijdens de preklinische fase te identificeren.

Een mogelijk analysesignaal zou kunnen zijn dat personen met de aandoening in dagelijkse discussies de neiging hebben om extra geleidelijk te praten en te stoppen terwijl ze naar de beste woorden zoeken. Als resultaat kan hun spraak niet vloeiend zijn in vergelijking met mensen zonder het probleem.

Wetenschappers van McCann Healthcare Worldwide, Tokyo Medical en ook Dental University, Keio University en ook Kyoto University in Japan redeneerden dat een volledig geautomatiseerd ontwerp gebruik zou kunnen maken van akoestische functies van spraak, zoals stops, toonhoogte en ook stemsterkte, om te anticiperen dat waarschijnlijk de ziekte van Alzheimer vaststellen.

Ze gebruikten het ontdekken van apparaten om versies te ontwikkelen waarvan ze denken dat ze net zo goed zouden kunnen worden als, of misschien veel beter dan, een conventioneel onderzoek dat artsen gebruiken om de aandoening te identificeren.

De onderzoekers hebben hun voorsprong zelfs gemeld aan PLOS ONE.

Machine-ontdekkende formules

De groep gebruikte 3 machine-learning formules om steminformatie te onderzoeken van 24 personen met de ziekte van Alzheimer en ook 99 personen zonder, die allemaal 65 jaar of ouder waren.

De audio-opnames waren afkomstig van een volksgezondheids- en welzijnsprogramma in Hachioji, waarbij individuen aan de telefoon zaten te chatten over aanpassingen in hun levensstijl om hun gevaar op mentale achteruitgang te verkleinen.

Als onderdeel van het programma ondernamen de individuen bovendien de Japanse variant van een conventioneel onderzoek naar cognitief werken, het telefooninterview voor cognitieve status (TICS-J).

Voor de gloednieuwe onderzoeksstudie gebruikten de onderzoekers zangfuncties van een paar van de audio-opnames om de machine-leerformules te leren om onderscheid te maken tussen individuen met de ziekte van Alzheimer en ook controles.

Ze gebruikten de rest van de opnames om de efficiëntie van de resulterende versies te evalueren.

Een van de versies, die was gebaseerd op een formule genaamd ernstige hellingsverbetering (XGBoost), deed het veel beter dan TICS-J, hoewel het onderscheid tussen beide niet tot de grens van analytische relevantie reikte.

Door het ontwerp van talloze audiodocumenten van elke persoon te voorzien, werd de integriteit van de voorspellingen vergroot.

Zowel XGBoost als TICS-J hadden een gevoeligheidsniveau van 100%, wat aangeeft dat er geen onjuiste nadelen waren - alle personen van wie uit de onderzoeken bleek dat ze geen Alzheimer hadden, hadden het probleem niet.

XGBoost behaalde bovendien een beste beoordeling voor uniciteit, wat aangeeft dat er geen onjuiste positieven waren, en ook alle individuen die het specificeerde als hebbende de ziekte van Alzheimer waren zeker individuen met dit probleem. TICS-J daarentegen behaalde net 83.3%.

Met andere woorden, 16.7% van de personen van wie TICS-J evalueerde dat ze de ziekte van Alzheimer hadden, had echt een uitstekende cognitieve gezondheid en welzijn.

De wetenschappers stellen dat programmeurs hun ontwerp rechtstreeks kunnen integreren in internetsites of mobiele applicaties, waardoor het publiek het zelf kan openen.

Ze denken dat een dergelijk anticiperend apparaat individuen in de vroegste fasen van de aandoening zou kunnen helpen om deskundige hulp te zoeken.

Ze sluiten af:

"Onze prestatie bij het goed voorspellen van [de ziekte van Alzheimer] met alleen vocale kenmerken uit het dagelijkse gesprek, geeft de mogelijkheid aan om een ​​pre-screening tool voor [de ziekte van Alzheimer] onder de algemene bevolking te ontwikkelen die toegankelijker en goedkoper is."

"[W]e zijn nu van plan om deze test tegen het einde van dit jaar opnieuw uit te voeren met een grotere steekproefomvang in het nieuwe veld om onze resultaten verder te valideren", beweerde hoofdschrijver Akihiro Shimoda van McCann Healthcare Worldwide in Tokio.

"McCann Health wil deze diagnostische screeningsmethode verder verbeteren om zijn eigen dienst genaamd 'Dearphone' te ontwikkelen, gericht op het bijdragen aan preventie en vroege opsporing van dementie," informeerde hij "Detonic.shop".

Hij beweerde dat programmeurs, samen met applicaties en ook online systemen, hun ontwerp zouden kunnen integreren in een traditioneel telefoonbedrijf voor oudere personen die geen smart device of computersysteem gebruiken.

"Eigenlijk zijn we op zoek naar een partner die met ons kan samenwerken om ons model te ontwikkelen en te implementeren in de samenleving", voegde hij eraan toe.

Beperkingen van de onderzoeksstudie

Een van de belangrijkste beperkingen van het onderzoek was dat het gebruik maakte van audio-informatie van personen die op dat moment daadwerkelijk een medische diagnose van de ziekte van Alzheimer hadden gekregen.

Om te verifiëren dat het ontwerp functioneert, zouden wetenschappers het zeker moeten evalueren op een groter voorbeeld van de basisbevolking en ze daarna met de tijd volgen om te zien dat het probleem is ontstaan.

De schrijvers houden rekening met een paar andere beperkingen van hun werk. De onderzoeksstudie maakte bijvoorbeeld geen onderscheid tussen individuen met de ziekte van Alzheimer en ook mensen met lichte cognitieve problemen, die verschillende spraakkenmerken zouden kunnen hebben. Bij verbetering was de voorbeelddimensie vrij klein.

Ze houden er bovendien rekening mee dat een toekomstig ontwerp spraakmateriaal en ook syntaxis zou kunnen integreren om de efficiëntie te verbeteren.