دانــستنی‌هـــا

تشخيص علائم «آلزايمر» با کمک هوش مصنوعي

دانشمندان در تازه‏‌ترين تحقيقات خود، به مطالعه توانايي هوش مصنوعي در تشخيص علائم بيماري آلزايمر پرداختند. الگوريتم‏‌هاي هوش مصنوعي پشت برنامه ربات چت ChatGPT که به‌دليل توانايي آن در ايجاد پاسخ‏‌هاي نوشتاري انسان‏‌مانند به برخي از خلاقانه‏‌ترين پرسش‏‌ها توجه‏‌ها را به خود جلب کرده، ممکن است روزي بتواند به پزشکان در تشخيص بيماري آلزايمر در مراحل اوليه آن کمک کند. تحقيقات دانشکده مهندسي زيست پزشکي، علوم و سيستم‏‌هاي سلامت دانشگاه درکسل اخيرا نشان داده که برنامه GPT- 3 OpenAI مي‏‌تواند سرنخ‏‌هايي را از گفتار خود به خود شناسايي کند که در پيش‏‌بيني مراحل اوليه زوال عقل 80 درصد دقيق هستند. تحقيقات نشان مي‏‌دهند که اختلال زبان مي‏‌تواند نشانه اوليه اختلالات عصبي باشد.

نشانه اوليه

روش فعلي براي تشخيص بيماري آلزايمر معمولا شامل بررسي تاريخچه پزشکي و مجموعه‏‌اي طولاني از ارزيابي‏‌ها و آزمايش‏‌هاي فيزيکي و عصبي است. در حالي‌که هنوز هيچ درماني براي اين بيماري وجود ندارد، تشخيص زودهنگام آن مي‏‌تواند گزينه‏‌هاي بيشتري براي درمان و حمايت به بيماران دهد. از آنجايي‌که اختلال زبان در 60 تا 80 درصد از بيماران مبتلا به زوال عقل يک علامت است، محققان بر برنامه‏‌هايي تمرکز کرده‏‌اند که مي‏‌توانند سرنخ‏‌هاي ظريفي مانند ترديد، اشتباهات دستوري و تلفظي و فراموش‌کردن معناي کلمات را به‏‌عنوان يک آزمون سريع دريافت کنند. دکتر هوالو ليانگ، استاد دانشکده مهندسي زيست پزشکي، علوم و سيستم‏‌هاي سلامت درکسل و يکي از محققان اين مقاله گفت: ما از تحقيقات در حال انجام دريافتيم اثرات شناختي بيماري آلزايمر مي‏‌تواند خود را در توليد زبان نشان دهد. متداول‏‌ترين تست‏‌هاي مورد استفاده براي تشخيص زودهنگام نگاه آلزايمر به ويژگي‏‌هاي آکوستيک مانند مکث، بيان و کيفيت صدا، علاوه بر تست‏‌هاي شناختي است؛ اما ما معتقديم که بهبود برنامه‏‌هاي پردازش زبان طبيعي، مسير ديگري را براي پشتيباني از شناسايي زودهنگام فراهم مي‏‌کند.GPT 3 که به‌طور رسمي سومين نسل از ترانسفورماتور پيش‏‌آموزشي عمومي است، از يک الگوريتم يادگيري عميق استفاده مي‏‌کند که با پردازش بخش‏‌هاي وسيعي از اطلاعات از اينترنت، با تمرکز ويژه بر نحوه استفاده از کلمات و نحوه ساخت زبان آموزش داده شده است. اين آموزش به آن اجازه مي‏‌دهد تا پاسخي شبيه انسان به هر کاري که شامل زبان است، از پاسخ به سوالات ساده، تا نوشتن شعر يا مقاله، توليد کند. GPT 3 به‌ويژه در «يادگيري داده‏‌هاي صفر» خوب عمل مي‏‌کند؛ به اين معني که مي‏‌تواند به سوالاتي پاسخ دهد که معمولا به دانش خارجي نياز دارند. به‌عنوان مثال درخواست از برنامه براي نوشتن يادداشت‏‌هاي کليف يک متن معمولا نياز به توضيح دارد؛ اما GPT- 3 براي درک مرجع و تطبيق خود با ايجاد پاسخ مورد انتظار، آموزش کافي را پشت‏‌سر گذاشته است. فليکس آگباور، يکي از محققان اصلي اين مطالعه گفت: رويکرد سيستمي GPT 3 به تجزيه و تحليل و توليد زبان، آن را به نامزدي اميدوارکننده براي شناسايي ويژگي‏‌هاي گفتاري ظريفي که ممکن است شروع زوال عقل را پيش‏‌بيني کند، تبديل مي‏‌کند. آموزش GPT3 با مجموعه داده عظيمي از مصاحبه‏‌ها که برخي از آنها با بيماران آلزايمر هستند، اطلاعات مورد نياز براي استخراج الگو‏‌هاي گفتاري را در اختيار آن قرار مي‏‌دهد که مي‏‌تواند از آن‏‌ها براي شناسايي نشانگر‏‌ها در بيماران آينده استفاده کرد.

جست‌وجوي سيگنال‏‌ گفتاري

محققان نظريه خود را با آموزش برنامه با مجموعه‏‌اي از رونوشت‏‌ها از بخشي از مجموعه داده‏‌هاي ضبط‏‌شده گفتار که به‏‌طور خاص براي آزمايش توانايي برنامه‏‌هاي پردازش زبان طبيعي براي پيش‏‌بيني زوال‌عقل گردآوري شده بود، آزمايش کردند. اين برنامه ويژگي‏‌هاي معني‏‌داري از استفاده از کلمه، ساختار جمله و معني را از متن استخراج مي‏‌کند تا چيزي را که محققان «جاسازي» مي‏‌نامند و به معناي نمايه مشخصه گفتار آلزايمر است، توليد کند. اين تيم با اجراي دو مورد از برترين برنامه‏‌هاي پردازش زبان طبيعي با سرعت يکسان، دريافتند GPT- 3، از نظر شناسايي دقيق نمونه‏‌هاي آلزايمر، شناسايي نمونه‏‌هاي غيرآلزايمر و موارد از دست رفته کمتر نسبت به هر دو برنامه، عملکرد بهتري دارد. آزمايش دوم از تجزيه و تحليل متني GPT- 3 براي پيش‏‌بيني امتياز بيماران مختلف از مجموعه داده‏‌ها در يک آزمون رايج براي پيش‏‌بيني شدت زوال عقل، به نام آزمون وضعيت ذهني کوچک (MMSE) استفاده کرد. تيم سپس دقت پيش‏‌بينيGPT- 3 را با آناليز با استفاده از تنها ويژگي‏‌هاي صوتي ضبط‏‌شده، مانند مکث، قدرت صدا و درهم‏‌رفتن، براي پيش‏‌بيني امتياز MMSE مقايسه کرد که در نتيجه آن ثابت شد GPT- 3 تقريبا 20 درصد در پيش بيني امتيازات MMSE بيماران دقيق‏‌تر است. محققان اين مطالعه گفتند: نتايج ما نشان مي‏‌دهد جاسازي متن، توليد شده توسط GPT- 3، مي‏‌تواند به‌طور قابل اعتمادي نه تنها براي تشخيص افراد مبتلا به بيماري آلزايمر از افراد سالم استفاده شود، بلکه امتياز تست شناختي آزمودني را نيز استنتاج کرد. ما همچنين نشان مي‏‌دهيم که جاسازي متن از رويکرد مبتني بر ويژگي‏‌هاي آکوستيک معمولي بهتر عمل مي‏‌کند و حتي با مدل‏‌هاي تنظيم‏‌شده رقابتي نيز تطابق دارد. اين نتايج همه با هم نشان مي‏‌دهند که جاسازي متن مبتني بر GPT- 3 يک رويکرد اميدوارکننده براي ارزيابي AD است و پتانسيل بالايي براي بهبود تشخيص زودهنگام زوال‌عقل دارد. براي ايجاد اين نتايج اميدوارکننده، محققان در حال برنامه‌ريزي براي توسعه يک برنامه وب هستند که مي‏‌تواند در خانه يا مطب پزشک به عنوان يک ابزار پيش غربالگري استفاده شود. ليانگ گفت: اثبات مفهومي ما نشان مي‏‌دهد که اين مي‏‌تواند ابزاري ساده، در دسترس و به اندازه کافي حساس براي آزمايش مبتني بر جامعه بوده، همچنين براي غربالگري زودهنگام و ارزيابي خطر قبل از تشخيص باليني بسيار مفيد باشد.