Aplikacioni mund të shënojë Alzheimerin nga bisedat telefonike

Dikush që përdor një telefon inteligjent blu

  • Testet e lira, të arritshme dhe të besueshme për të diagnostikuar sëmundjen Alzheimer në një fazë të hershme aktualisht mungojnë.
  • Njerëzit me gjendje kanë tendencë të flasin më ngadalë dhe me pauza më të gjata.
  • Në një studim të fundit, studiuesit përdorën mësimin makinerik për të zhvilluar modele që përdorin tiparet akustike të bisedave të një personi për të identifikuar nëse ata mund të kenë sëmundje të hershme Alzheimer.
  • Nëse testet e mëtejshme rezultojnë të suksesshme, modelet mund të ndihmojnë në identifikimin e fazave të hershme të gjendjes përmes një aplikacioni për smartphone ose në internet.

Sëmundja Alzheimer përfshin degjenerim progresiv në pjesët e trurit që rregullojnë mendimet, kujtesën dhe gjuhën.

Qendrat për Kontrollin dhe Parandalimin e Sëmundjeve (CDC) raportojnë se në vitin 2020, deri në 5.8 milion njerëz në Shtetet e Bashkuara po jetonin me sëmundjen.

Hulumtimet sugjerojnë që diagnostikimi i hershëm është i rëndësishëm sepse siguron mundësinë që mjekët të fillojnë ndërhyrjet klinike sa më shpejt të jetë e mundur për të menaxhuar simptomat e personit.

Sidoqoftë, aktualisht nuk ka mjete të lira, të arritshme gjerësisht dhe të besueshme për të diagnostikuar sëmundjen e Alzheimerit gjatë fazës së saj paraklinike.

Një tregues i mundshëm diagnostikues mund të jetë që në bisedat e përditshme, njerëzit me sëmundje priren të flasin më ngadalë, duke ndalur ndërsa përpiqen të gjejnë fjalët e duhura. Si rezultat, të folurit të tyre mund të ketë mungesë rrjedhshmërie krahasuar me njerëzit pa këtë gjendje.

Shkencëtarët nga McCann Healthcare Worldwide, Tokyo Medical and Dental University, Keio University dhe Kyoto University në Japoni arsyetuan se një model plotësisht i automatizuar mund të përdorte tipare akustike të fjalës, të tilla si pauza, lartësi dhe intensitet të zërit, për të parashikuar se kush ka të ngjarë të zhvillohet Sëmundja e Alzheimerit.

Ata përdorën mësimin makinerik për të krijuar modele që ata besojnë se përfundimisht mund të jenë po aq të mira sa, ose edhe më të mirë se, një test standard që mjekët përdorin për të diagnostikuar sëmundjen.

Shkencëtarët kanë raportuar rezultatet e tyre në PLOS ONE.

Algoritmet e të mësuarit makinerik

Ekipi përdori tre algoritme të të mësuarit në makinë për të analizuar të dhënat e zërit nga 24 persona me sëmundjen Alzheimer dhe 99 persona pa të, të gjithë ishin të moshës 65 vjeç ose më të vjetër.

Regjistrimet audio erdhën nga një program i shëndetit publik në Hachioji që përfshinte pjesëmarrësit që flisnin në telefon për ndryshimet e stilit të jetës për të zvogëluar rrezikun e tyre të demencës.

Si pjesë e programit, pjesëmarrësit gjithashtu iu nënshtruan versionit japonez të një testi standard të funksionimit njohës të quajtur Intervistë Telefonike për Statusin Kognitiv (TICS-J).

Për studimin e ri, shkencëtarët përdorën veçori vokale nga disa nga regjistrimet audio për të trajnuar algoritmet e të mësuarit në makinë për të bërë dallimin midis njerëzve me sëmundjen e Alzheimerit dhe kontrolleve.

Ata përdorën pjesën e mbetur të regjistrimeve për të vlerësuar performancën e modeleve rezultuese.

Një nga modelet, i cili bazohej në një algoritëm të quajtur rritja ekstreme e gradientit (XGBoost), performoi më mirë se TICS-J, megjithëse ndryshimi midis të dyve nuk arriti pragun për domethënien statistikore.

Ushqimi i modelit me disa skedarë audio nga secili individ përmirësoi besueshmërinë e parashikimeve të tij.

Të dy XGBoost dhe TICS-J kishin një rezultat ndjeshmërie prej 100%, që do të thotë se nuk kishte asnjë negativ të rremë - të gjithë pjesëmarrësit të cilët testet identifikuan se nuk kishin sëmundjen e Alzheimerit nuk kishin këtë gjendje.

XGBoost gjithashtu mori një rezultat të përsosur për specifikën, që do të thotë se nuk kishte pozitive false, dhe të gjithë njerëzit që ajo përcaktoi se kishin sëmundjen Alzheimer ishin me të vërtetë njerëz me këtë gjendje. Në krahasim, TICS-J shënoi vetëm 83.3%.

Me fjalë të tjera, 16.7% e pjesëmarrësve të cilët TICS-J gjykuan se kishin sëmundjen Alzheimer në të vërtetë kishin shëndet të mirë njohës.

Studiuesit thonë se zhvilluesit mund të përfshijnë modelin e tyre në faqet e internetit ose aplikacionet mobile, duke lejuar që publiku i gjerë të ketë qasje në të.

Ata besojnë se një mjet i tillë parashikues mund të drejtojë njerëzit në fazat më të hershme të sëmundjes për të kërkuar ndihmë profesionale.

Ata konkludojnë:

"Arritja jonë në parashikimin [e sëmundjes Alzheimer] duke përdorur mirë veçoritë vokale nga biseda e përditshme tregon mundësinë e zhvillimit të një mjeti para-shqyrtimi për [sëmundjen e Alzheimerit] në mesin e popullatës së përgjithshme që është më i arritshëm dhe me kosto më të ulët".

"[Ne] tani po planifikojmë ta kryejmë këtë provë përsëri me një madhësi më të madhe të kampionit në fushën e re deri në fund të këtij viti në mënyrë që të vërtetojmë më tej rezultatet tona", tha autori kryesor Akihiro Shimoda i McCann Healthcare Worldwide në Tokio.

"McCann Health dëshiron të përmirësojë këtë metodë të shqyrtimit diagnostik më tej për të zhvilluar shërbimin e tij të quajtur" Dearphone "që synon të kontribuojë në parandalimin dhe zbulimin e hershëm të demencës," tha ai për News News Today.

Ai tha se krahas aplikacioneve dhe platformave në internet, zhvilluesit mund të përfshijnë modelin e tyre në një shërbim telefonik konvencional për njerëzit e moshuar që nuk përdorin një smartphone ose kompjuter.

"Në të vërtetë, ne jemi duke kërkuar një partner që mund të bashkëpunojë me ne për të zhvilluar dhe zbatuar modelin tonë në shoqëri," shtoi ai.

Kufizimet e studimit

Një nga kufizimet kryesore të studimit ishte se ai përdorte të dhëna audio nga njerëzit që kishin marrë tashmë një diagnozë të sëmundjes Alzheimer.

Për të konfirmuar që modeli funksionon, studiuesit do të duhet ta testojnë atë në një mostër më të madhe nga popullata e përgjithshme dhe më pas t'i ndjekin ata me kalimin e kohës për të parë se kush e zhvilloi gjendjen.

Autorët vërejnë disa kufizime të tjera të punës së tyre. Për shembull, studimi nuk bëri dallim midis njerëzve me sëmundjen Alzheimer dhe atyre me dëmtime të lehta njohëse, të cilët mund të kenë karakteristika të ndryshme të të folurit. Për më tepër, madhësia e mostrës ishte relativisht e vogël.

Ata gjithashtu vërejnë se një model i ardhshëm mund të përfshijë përmbajtjen e fjalës dhe strukturën e fjalisë për të përmirësuar performancën e tij.