Algorytmy uczenia maszynowego wykorzystywane do wykrywania choroby Alzheimera podczas rozmów telefonicznych

Algorytmy uczenia maszynowego wykorzystywane do wykrywania choroby Alzheimera podczas rozmów telefonicznych

Naukowcy pracujący w Departamencie Zdrowia Publicznego firmy McCann Healthcare Worldwide Japan Inc. opracowali trzy algorytmy, które można wykorzystać do wykrywania choroby Alzheimera u pacjentów podczas rozmów telefonicznych. Grupa napisała artykuł przedstawiający algorytmy i ich skuteczność, a następnie umieściła go na ogólnodostępnej stronie. PLoS ONE.

Pomimo wysiłków podejmowanych na całym świecie, nadal nie ma lekarstwa na chorobę Alzheimera, która dotyka miliony ludzi na całym świecie, w tym około 5.8 miliona w Stanach Zjednoczonych. Naukowcy medyczni dokonali jednak postępów w kierunku spowolnienia jego postępu; dlatego coraz ważniejsze staje się wczesne rozpoznanie choroby. Dlatego naukowcy skupili się na znalezieniu nowych sposobów przewidywania, którzy ludzie zachorują. W ramach tych nowych wysiłków naukowcy wykorzystali uczenie maszynowe jako pomoc w diagnozowaniu.

Wcześniejsze badania wykazały, że niektóre z wczesnych objawów choroby Alzheimera obejmują wolniejsze niż zwykle mówienie i częstsze pauzy podczas rozmów. Trwają już prace nad rozpoznaniem takich trudności w mowie — jeden projekt zespołu w Japonii wykorzystuje test Telefoniczny Wywiad Stanu Poznawczego (TICS-J), w którym rozmowy telefoniczne są nagrywane i badane w celu sprawdzenia, czy mowa jest powolna lub przerywana. W tym nowym badaniu naukowcy zastąpili ludzi słuchających i analizujących rozmowy telefoniczne komputerem z algorytmem uczenia maszynowego.

Zaprojektowano trzy różne algorytmy uczenia maszynowego do badania wzorców mowy. Wszystkich nauczono rozpoznawać oznaki choroby Alzheimera za pomocą nagrań głosowych z trwającego programu leczenia demencji w Japonii. Następnie do przetestowania algorytmów wykorzystano inne nagrania głosowe, a naukowcy stwierdzili, że były one średnio tak dobre lub nieco lepsze niż TICS-J i nie zwracały żadnych fałszywych alarmów. Naukowcy sugerują, że ich algorytmy można wykorzystać do zapewnienia tańszej i bardziej dostępnej formy wczesnego testowania choroby Alzheimera.