O aprendizado de máquina pode identificar sinais de Alzheimer em pacientes que lembram a história de Cinderela

O aprendizado de máquina pode identificar sinais de Alzheimer em pacientes que lembram a história de Cinderela

Uma nova pesquisa realizada por cientistas do Centro de Pesquisa de Neurociências em St George realmente determinou a dureza e também as restrições de vários empregos usados ​​para detectar os primeiros sinais da doença de Alzheimer por meio da avaliação da fala e do aprendizado de máquina. Fronteiras na Ciência da Computação, a pesquisa mostra que, embora o aprendizado de máquina possa ser usado para avaliar padrões de fala em busca de sinais de doença, o trabalho de detalhes designado para o indivíduo que está sendo verificado desempenha um papel importante na precisão do exame.

Estudo anterior da equipe revelou que a doença de Alzheimer afeta a linguagem com extrema antecedência na condição e, portanto, análises de linguagem podem ser utilizadas para detectar a condição em uma fase anterior. Quanto mais cedo for obtido, mais rápidos os tratamentos podem ser levados em consideração para auxiliar o indivíduo.

Esta pesquisa mais recente inclui na prova procurando avaliar as ações e também os trabalhos que podem ser usados ​​para verificar se há doença de Alzheimer. Ao registrar o som de trabalhos realizados por indivíduos, o grupo de pesquisa em seguida utilizou um programa de aprendizado de máquina, estabelecido em St George, para avaliar sinais de condição.

Os trabalhos utilizados na pesquisa representam uma variedade de abordagens utilizadas em situações de atendimento médico. Uma das técnicas mais usuais dos profissionais médicos é pedir aos pacientes que definam uma cena chamada imagem de “Roubo de Cookie”. Outras técnicas consistem em pedir ao indivíduo para contar uma história descoberta, como contos de fadas amplamente conhecidos como Cinderela - um trabalho complicado, que exige que eles incorporem uma coleção de personalidades, bem como ocasiões em uma linha do tempo que eles possam lembrar.

Para esta pesquisa, os cientistas fizeram uso das análises em excesso, junto com a lembrança passo a passo (informando apenas como fazer uma xícara de chá), recontagem narrativa única (explicando uma história a partir de fotos oferecidas em uma publicação de contos infantis sem palavras) , bem como discurso coloquial (oferecendo instruções para um indivíduo adicional, explicando um caminho por meio de sites em um mapa), para detectar sinais de Alzheimer por meio da avaliação da fala.

Depois de examinar os resultados de 50 indivíduos testados (25 com doença de Alzheimer moderada ou deficiência cognitiva moderada, bem como 25 controles saudáveis ​​e equilibrados), o grupo descobriu que contar uma história superaprendida, como Cinderela, fornecia os resultados mais precisos. O sistema de aprendizado de máquina utilizado tinha a capacidade de identificar se um indivíduo tinha Alzheimer ou deficiência cognitiva moderada com 78% de precisão, com a tarefa “Roubo de Biscoito” logo atrás em 76% - resultados comparáveis ​​aos testes existentes para a doença. As outras tarefas avaliadas deram acertos variando entre 62% (recontagem de narrativa nova) e 74% (recordação de procedimento).

“Nossos resultados programam que mudando os postos de trabalho utilizados para avaliar o Alzheimer, temos a possibilidade de detectar a condição com maior precisão por meio da avaliação da fala”, afirma o autor do estudo e doutorando no último ano. estudante em St George's, Natasha Clarke.

Observando que estudos maiores são necessários para melhorar ainda mais a compreensão de suas avaliações, Clarke acrescenta: “No longo prazo, desejamos que esta tecnologia moderna possa ser utilizada de outro local, como por meio de aplicativos de dispositivos inteligentes, minimizando o estresse e a ansiedade em torno da triagem para a condição. Se pudermos tornar a triagem mais simples, depois disso, idealmente, podemos identificar a condição mais cedo, bem como começar a lidar com os indivíduos mais rapidamente. ”

Seguindo os resultados desta pesquisa, o grupo está atualmente querendo aderir a indivíduos de pesquisa um ano depois para avaliar os ajustes com o tempo, bem como descobrir mais sobre o desenvolvimento da condição.