تشخیص علائم اولیه آلزایمر با استفاده از هوش مصنوعی

به نقل از مدیکال اکسپرس، ایهاب حجار، استاد اعصاب در دانشگاه ساوث وسترن به همراه همکارانش روی شناسایی تغییرات ظریف زبان و شنیداری مطالعه کردند که در مراحل اولیه بیماری آلزایمر وجود دارد، اما به راحتی توسط اعضای خانواده یا پزشک مراقبت‌های اولیه فرد قابل تشخیص نیست. 

محققان از ابزار‌های پیشرفته یادگیری ماشینی و پردازش زبان طبیعی (NLP) برای ارزیابی الگو‌های گفتار در ۲۰۶ نفر استفاده کردند که ۱۱۴ نفر دارای معیار‌های زوال شناختی خفیف و ۹۲ نفر بدون اختلال بودند. این تیم سپس این یافته‌ها را با نشانگر‌های زیستی رایج مورد استفاده برای تعیین اثربخشی آن‌ها در اندازه گیری اختلال ترسیم کرد.

شرکت کنندگان در مطالعه که در یک برنامه تحقیقاتی در دانشگاه اموری در آتلانتا ثبت نام کرده بودند، چندین ارزیابی شناختی استاندارد قبل از اینکه از آن‌ها خواسته شد که یک توصیف خود به خودی ۱ تا ۲ دقیقه‌ای از اثر هنری را ضبط کنند، انجام شد.

دکتر حجار گفت: توضیحات ثبت شده از تصویر، تقریبی از توانایی‌های مکالمه را در اختیار ما قرار می‌دهد که می‌توانیم از طریق هوش مصنوعی برای تعیین کنترل حرکت گفتار، تراکم ایده، پیچیدگی دستوری و سایر ویژگی‌های گفتاری مطالعه کنیم.

تیم تحقیقاتی تجزیه و تحلیل گفتار شرکت‌کنندگان را با نمونه‌های مایع مغزی نخاعی و اسکن‌های MRI مقایسه کردند تا مشخص کنند که نشانگر‌های زیستی دیجیتالی با چه دقتی اختلالات شناختی خفیف و وضعیت و پیشرفت بیماری آلزایمر را تشخیص می‌دهند.

به گفته دکتر حجار قبل از توسعه یادگیری ماشینی و NLP، مطالعه دقیق الگو‌های گفتار در بیماران بسیار سخت و اغلب موفقیت آمیز نبود، زیرا تغییرات در مراحل اولیه اغلب برای گوش انسان غیرقابل تشخیص است. این روش جدید آزمایش در تشخیص افراد مبتلا به اختلال شناختی خفیف و به طور خاص در شناسایی بیماران دارای شواهد بیماری آلزایمر به خوبی عمل کرد، حتی زمانی که نمی‌توان آن را به راحتی با استفاده از ارزیابی‌های شناختی استاندارد تشخیص داد.

در طول این مطالعه، محققان کمتر از ۱۰ دقیقه را صرف ضبط صدای بیمار کردند. آزمایش‌های عصبی روان‌شناختی سنتی معمولا چندین ساعت طول می‌کشد تا انجام شوند.

دکتر حجار گفت: اگر با مطالعات بزرگ‌تر تایید شود، استفاده از هوش مصنوعی و یادگیری ماشینی برای مطالعه صدا‌های ضبط‌شده می‌تواند ابزار غربالگری آسان‌تری برای افراد در معرض خطر را در اختیار ارائه دهندگان مراقبت‌های اولیه قرار دهد. 

تشخیص‌های اولیه به بیماران و خانواده‌ها زمان بیشتری برای برنامه‌ریزی برای آینده و به پزشکان انعطاف‌پذیری بیشتری در توصیه مداخلات سبک زندگی امیدوارکننده می‌دهد.