診斷阿爾茨海默病需要大量時間和金錢。在進行冗長的面對面神經(jīng)心理學檢查后，臨床醫(yī)生必須詳細轉(zhuǎn)錄、審查和分析每一個反應(yīng)。但波士頓大學的研究人員已經(jīng)開發(fā)出一種新工具，可以自動化該過程并最終使其在線移動。他們的機器學習驅(qū)動的計算模型可以從神經(jīng)心理學測試的錄音中檢測認知障礙——無需親自預(yù)約。他們的研究結(jié)果發(fā)表在阿爾茨海默氏癥和癡呆癥上。
“這種方法讓我們離早期干預(yù)更近了一步，”該論文的合著者、波士頓大學工程學院杰出工程教授 Ioannis Paschalidis 說。他說，更快、更早地發(fā)現(xiàn)阿爾茨海默氏癥可能會推動更大規(guī)模的臨床試驗，這些試驗專注于處于疾病早期階段的個體，并有可能實現(xiàn)減緩認知能力下降的臨床干預(yù)：“它可以構(gòu)成一種在線工具的基礎(chǔ)，該工具可以接觸到每個人，并可能增加早期接受篩查的人數(shù)。”
研究小組使用弗雷明漢心臟研究中 1,000 多人的神經(jīng)心理學訪談錄音訓(xùn)練了他們的模型，這是一個由 BU 領(lǐng)導(dǎo)的長期項目，旨在研究心血管疾病和其他生理狀況。使用自動在線語音識別工具——想想，“嘿，谷歌!”——以及一種稱為自然語言處理的機器學習技術(shù)，可以幫助計算機理解文本，他們讓程序轉(zhuǎn)錄采訪內(nèi)容，然后將它們編碼成數(shù)字。使用人口統(tǒng)計數(shù)據(jù)、文本編碼以及神經(jīng)學家和神經(jīng)心理學家的真實診斷，訓(xùn)練最終模型以評估個體認知障礙的可能性和嚴重程度。
Paschalidis 表示，該模型不僅能夠準確區(qū)分健康個體和癡呆癥患者，還能夠檢測輕度認知障礙和癡呆癥患者之間的差異。而且，事實證明，錄音的質(zhì)量和人們說話的方式——無論他們的講話是輕描淡寫的還是一直斷斷續(xù)續(xù)的——不如他們所說的內(nèi)容重要。
“令我們驚訝的是，語音流或其他音頻功能并不那么重要;你可以相當好地自動轉(zhuǎn)錄采訪，并依靠人工智能的文本分析來評估認知障礙，”同時也是 BU Rafik B 的新主任 Paschalidis 說。哈里里計算與計算科學與工程研究所。盡管該團隊仍需要根據(jù)其他數(shù)據(jù)來源驗證其結(jié)果，但研究結(jié)果表明，他們的工具可以支持臨床醫(yī)生使用錄音診斷認知障礙，包括來自虛擬或遠程醫(yī)療預(yù)約的錄音。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！