Yapay Zeka

Yapay Zeka Modeli, Konuşma Analizini Kullanarak Alzheimer’ı Tahmin Ediyor

Özet: Hafif bilişsel bozukluğu olan birinin Alzheimer hastalığına yakalanıp yakalanmayacağını konuşmayı analiz ederek %78,5 doğrulukla tahmin edebilir. Bu araç, pahalı testler olmadan daha erken teşhis ve daha erişilebilir bilişsel bozukluk taramasına olanak sağlayabilir.

Model, konuşma içeriğini değerlendirmek için makine öğrenimini kullanarak demans riskini izlemek için müdahalesiz bir yol sunuyor. Daha fazla araştırma bu teknolojiyi geliştirmeyi ve genişletmeyi amaçlamaktadır.

Ana unsurlar:

  1. Yüksek Doğruluk:Yapay zeka modeli Alzheimer’ın ilerlemesini %78,5 doğrulukla tahmin ediyor.
  2. Erişilebilir Tarama: Demans teşhisini daha kolay ve daha yaygın hale getirebilir.
  3. Konuşma Analizi: Sadece akustik özellikleri değil, konuşmanın içeriğini de analiz eder.

Kaynak: Boston Üniversitesi

Birinin Alzheimer hastalığı olup olmadığını anlamaya çalışmak genellikle bir dizi değerlendirmeyi içerir: görüşmeler, beyin görüntüleme, kan ve beyin-omurilik sıvısı testleri. Ancak o zamana kadar muhtemelen çok geçtir: anılar kaybolmaya başlamıştır, uzun zamandır yerleşmiş kişilik özellikleri gizlice değişmeye başlamıştır.

Erken teşhis edilirse, yeni öncü tedaviler hastalığın acımasızca ilerlemesini yavaşlatabilir, ancak Alzheimer’la ilişkili bunamaya kimin yakalanacağını tahmin etmenin kesin bir yolu yoktur.

Şimdi, Boston Üniversitesi araştırmacıları, sadece bir hastanın konuşmasını analiz ederek bir gün bu durumu değiştirmeye yardımcı olabilecek, gelecek vaat eden yeni bir yapay zeka bilgisayar programı veya modeli tasarladıklarını söylüyor.

Bu bir baş ve ses dalgalarını göstermektedir.
Çalışma popülasyonunun bir alt kümesinde eğitildikten sonra, tahmin yeteneğini katılımcıların geri kalanında test ettiler. Kaynak: Neuroscience News

Modelleri, yüzde 78,5’lik bir doğruluk oranıyla, hafif bilişsel bozukluğu olan bir kişinin önümüzdeki altı yıl boyunca stabil kalıp kalmayacağını ya da Alzheimer hastalığına bağlı demansa düşüp düşmeyeceğini tahmin edebiliyor.

Araştırmacılar, klinisyenlerin geleceğe bakmasına ve daha erken teşhis koymasına olanak tanırken, aynı zamanda sürecin bazı kısımlarını otomatikleştirerek bilişsel bozukluk taramasını daha erişilebilir hale getirmeye de yardımcı olabileceğini söylüyor; pahalı laboratuvar testleri, görüntüleme sınavları ve hatta ofis ziyaretlerine gerek yok.

Model, bilgisayar bilimcilerinin verileri bağımsız olarak analiz etmek için bir program öğrettiği yapay zekanın bir alt kümesi olan makine öğrenimi tarafından desteklenmektedir.

BU Rafik B. Hariri Bilgisayar ve Hesaplamalı Bilim ve Mühendislik Enstitüsü müdürü Ioannis (Yannis) Paschalidis, “Önümüzdeki altı yıl içinde ne olacağını tahmin etmek istedik ve bu tahmini nispeten iyi bir güven ve doğrulukla yapabileceğimizi gördük” diyor.

“Bu yapay zekanın gücünü gösteriyor.”

Mühendisler, nörobiyologlar, bilgisayar ve veri bilimcilerden oluşan çok disiplinli bir ekip bulgularını şu adreste yayınladı: Alzheimer ve DemansAlzheimer Derneği’nin dergisi.

BU Mühendislik Fakültesi’nde Mühendislik alanında Seçkin Profesör ve Bilgisayar ve Veri Bilimleri Fakültesi’nin kurucu üyesi olan Paschalidis, “Herkes gibi biz de Alzheimer’a yönelik daha fazla tedavi yönteminin kullanıma sunulmasını umuyoruz” diyor.

“Ne olacağını tahmin edebilirseniz, ilaçlarla müdahale etmek ve en azından durumun istikrarını korumaya çalışmak ve daha şiddetli bunama biçimlerine geçişi önlemek için daha fazla fırsatınız ve zaman pencereniz olur.”

Alzheimer Hastalığının Olasılığının Hesaplanması

Araştırmacılar, yeni modellerini eğitmek ve geliştirmek için ülkenin en eski ve en uzun süredir devam eden çalışmalarından biri olan BU liderliğindeki Framingham Kalp Çalışması’ndan elde edilen verilere yöneldi.

Framingham araştırması kardiyovasküler sağlığa odaklanmış olsa da, bilişsel gerileme belirtileri gösteren katılımcılar düzenli olarak nöropsikolojik testlere ve görüşmelere tabi tutuluyor ve bu da bilişsel iyilik halleri hakkında uzunlamasına bir bilgi birikimi sağlıyor.

Paschalidis ve meslektaşlarına, yaşları 63 ila 97 arasında hafif bilişsel bozukluk teşhisi konan 166 kişiyle yapılan ilk görüşmelerin ses kayıtları verildi; bu kişilerin 76’sı sonraki altı yıl boyunca stabil kalacak ve 90’ı bilişsel işlevleri giderek azalacak.

Daha sonra konuşma, demografik bilgiler, teşhis ve hastalığın ilerlemesi arasındaki bağlantıları tespit edecek bir modeli eğitmek için akıllı hoparlörünüzü çalıştıran programlara benzer konuşma tanıma araçları ve makine öğreniminin bir kombinasyonunu kullandılar. Onu çalışma popülasyonunun bir alt kümesi üzerinde eğittikten sonra, öngörü becerisini katılımcıların geri kalanı üzerinde test ettiler.

Paschalidis, “Ses kayıtlarından çıkardığımız bilgileri yaş, cinsiyet vb. gibi çok temel demografik bilgilerle birleştiriyoruz ve nihai puanı alıyoruz” diyor. “Skoru, birinin stabil kalması veya demansa geçiş ihtimali, ihtimali olarak düşünebilirsiniz. Önemli bir öngörü yeteneği vardı.”

Konuşmanın telaffuz veya hız gibi akustik özelliklerini kullanmak yerine, model yalnızca röportajın içeriğinden, yani konuşulan kelimelerden ve bunların nasıl yapılandırıldığından yararlanıyor.

Paschalidis, makine öğrenme programına koydukları bilgilerin oldukça kaba olduğunu söylüyor: Örneğin, kayıtlar dağınık, düşük kaliteli ve arka plan gürültüsüyle dolu.

“Bu çok sıradan bir kayıt,” diyor. “Ve yine de, bu kirli verilerle, model bundan bir şeyler çıkarabiliyor.”

Bu önemli, çünkü proje kısmen yapay zekanın demans teşhisi sürecini çok az insan katılımıyla daha verimli ve otomatik hale getirme yeteneğini test etmekle ilgiliydi.

Araştırmacılar, gelecekte kendilerine benzer modellerin, tıbbi merkezlerin yakınında olmayan hastalara bakım götürmek veya evde kullanılabilen bir uygulama aracılığıyla rutin izleme sağlamak için kullanılabileceğini ve böylece taramadan geçen kişi sayısını önemli ölçüde artırabileceğini söylüyor.

Uluslararası Alzheimer Hastalığı’na göre, dünya çapında demans hastalarının büyük çoğunluğuna hiçbir zaman resmi bir teşhis konulamıyor ve bu da onları tedavi ve bakımdan mahrum bırakıyor.

Makalenin ortak yazarlarından Rhoda Au, yapay zekanın “eşit fırsat bilimi ve sağlık hizmeti” yaratma gücüne sahip olduğunu söylüyor. Çalışma, yapay zekanın ses kayıtlarını kullanarak bilişsel bozukluğu doğru bir şekilde tespit edebileceğini bulan aynı ekibin önceki çalışmalarına dayanıyor.

BU Chobanian & Avedisian Tıp Fakültesi’nde anatomi ve nörobiyoloji profesörü olan Au, “Teknoloji, yalnızca kaynaklara sahip olanlar tarafından yapılabilen işlerin veya herkesin erişemediği özel uzmanlığa dayanan bakımın önyargısını aşabilir” diyor.

Ona göre en heyecan verici bulgulardan biri “maksimum düzeyde kapsayıcı olma potansiyeline sahip (muhtemelen yaş, cinsiyet/cinsiyet, eğitim, dil, kültür, gelir, coğrafyadan bağımsız) bir bilişsel değerlendirme yönteminin potansiyel bir potansiyel olarak hizmet edebileceğiydi” Alzheimer hastalığına bağlı semptomları tespit etmek ve izlemek için bir tarama aracı.”

Evden Demans Tanısı

Paschalidis gelecekteki araştırmalarında yalnızca önceden hazırlanmış sorular ve öngörülebilir ileri geri konuşmaların olduğu resmi klinisyen-hasta görüşmelerinden elde edilen verileri değil, aynı zamanda daha doğal, günlük konuşmalardan elde edilen verileri de kullanmayı düşünüyor.

Yapay zekanın akıllı telefon uygulamasıyla demans teşhisine yardımcı olup olamayacağına dair bir projeyi şimdiden dört gözle bekliyor ve ayrıca mevcut çalışmayı konuşma analizinin ötesine taşıyarak (Framingham testleri ayrıca hasta çizimlerini ve günlük yaşam kalıplarına ilişkin verileri de içeriyor) modelin öngörü doğruluğunu artırmayı hedefliyor.

Au, “Dijital yeni kandır” diyor. “Bunu toplayabilir, bugün bilinenler için analiz edebilir, saklayabilir ve yarın ortaya çıkacak yeni şeyler için yeniden analiz edebilirsiniz.”

Finansman: Bu araştırma kısmen Ulusal Bilim Vakfı, Ulusal Sağlık Enstitüleri ve BU Rajen Kilachand Entegre Yaşam Bilimi ve Mühendisliği Fonu tarafından finanse edildi.

Bu yapay zeka ve Alzheimer hastalığı araştırma haberi hakkında

Soyut

Konuşmayı kullanarak Alzheimer hastalığının 6 yıl içindeki ilerlemesinin tahmini: Dil modellerinden yararlanan yeni bir yaklaşım

GİRİİŞ

Alzheimer hastalığına (AD) yakalanma riski taşıyan hafif bilişsel bozukluğu (MCI) olan bireylerin belirlenmesi, erken müdahale ve klinik araştırmaların seçimi açısından çok önemlidir.

YÖNTEMLER

Konuşmayı kullanarak 6 yıl içinde AD’ye ilerlemenin otomatik tahmini için bir yöntem geliştirmek amacıyla makine öğrenme yöntemleriyle birlikte doğal dil işleme tekniklerini uyguladık. Çalışma tasarımı, nöropsikolojik test görüşmeleri üzerinde değerlendirildi. N = Framingham Kalp Çalışması’ndan 90 ilerleyici MCI ve 76 stabil MCI vakasından oluşan 166 katılımcı.

SONUÇLAR

Yaş, cinsiyet ve eğitim seviyesinin yanı sıra konuşma verilerinden oluşturulan özellikleri kullanan en iyi modellerimiz, 6 yıl içinde MCI’dan AD’ye ilerlemeyi tahmin etmede %78,5 doğruluk ve %81,1 hassasiyet elde etti.

TARTIŞMA

Önerilen yöntem, MCI’den AD’ye ilerleme tahmini için ucuz, geniş çapta erişilebilir ve yönetimi kolay bir tarama aracı geliştirme fırsatı sağlayan ve uzaktan değerlendirmenin geliştirilmesini kolaylaştıran tam otomatik bir prosedür sunar.

Kaynak ve İleri Okuma: https://neurosciencenews.com/ai-alzheimers-voice-26369/

İlgili Makaleler

Başa dön tuşu