人工智能驱动的ChatGPT能否帮助检测阿尔茨海默病的早期迹象?

聊天机器人程序chatgpt背后的人工智能算法已经引起了人们的关注，因为它能够对一些最具创造性的问题产生类似人类的书面回答，也许有一天它能够帮助医生在早期阶段发现阿尔茨海默病。德雷塞尔大学生物医学工程、科学和卫生系统学院最近的研究表明，OpenAI的GPT-3程序可以从自发语言中识别线索，预测痴呆症的早期阶段，准确率达到80%。

发表在杂志上公共科学图书馆数字健康德雷塞尔大学的这项研究是一系列研究的最新成果，旨在展示自然语言处理程序在早期预测阿尔茨海默氏症方面的有效性——目前的研究表明，语言障碍可能是神经退行性疾病的早期指标。

发现早期征兆

目前诊断阿尔茨海默病的做法通常包括病史回顾和冗长的身体和神经系统评估和测试。虽然目前还没有治愈这种疾病的方法，但及早发现它可以为患者提供更多的治疗和支持选择。因为语言障碍这是60-80%的痴呆症患者的症状，研究人员一直专注于能够捕捉到细微线索的程序，比如犹豫，犯语法和发音错误，忘记单词的意思，作为一种快速测试，可以指示患者是否应该进行全面检查。

“我们从正在进行的研究中了解到，阿尔茨海默病的认知影响可以在语言产生中表现出来，”德雷塞尔大学生物医学工程、科学与卫生系统学院教授、该研究的合著者华楼梁博士说。“除了认知测试外，早期检测阿尔茨海默氏症最常用的测试还包括声音特征，如停顿、发音和声音质量。但我们相信，自然语言处理程序的改进为早期识别阿尔茨海默氏症提供了另一条途径。”

一个倾听和学习的程序

GPT-3是OpenAI通用预训练转换器(GPT)的第三代产品，它使用深度学习算法，通过处理来自互联网的大量信息进行训练，特别关注单词的使用方式和语言的构造方式。这种训练使它能够对任何涉及语言的任务产生类似人类的反应，从回答简单的问题到写诗或散文。

GPT-3特别擅长“零数据学习”——这意味着它可以回答通常需要外部知识而没有提供的问题。例如，要求程序写一篇文章的“克里夫笔记”通常需要一个解释，这意味着摘要。但GPT-3已经经过了足够的训练，能够理解参考文献并自我调整以产生预期的反应。

“GPT3对语言分析和生成的系统方法使其成为识别可能预测痴呆症发病的细微言语特征的有希望的候选者，”该学院的博士研究员、该论文的主要作者菲利克斯·阿格巴沃说。“用大量的访谈数据集来训练GPT-3，其中一些访谈对象是阿尔茨海默病患者，这将为它提供提取语音模式所需的信息，然后应用于识别未来患者的标记。”

寻找语音信号

为了测试自然语言处理程序预测痴呆症的能力，研究人员用一组语音记录数据集的一部分来训练该程序，以此来测试他们的理论。该程序从文本中捕获单词使用、句子结构和意义的有意义的特征，从而产生研究人员所谓的“嵌入”——阿尔茨海默氏症的语言特征。

然后，他们利用植入物对程序进行再训练，把它变成一台阿尔茨海默氏症筛查机。为了测试它，他们要求程序审查数据集中的数十个转录本，并确定每个转录本是否都是由患有阿尔茨海默氏症的人产生的。

研究小组以同样的速度运行了两个顶级的自然语言处理程序，发现GPT-3在准确识别阿尔茨海默病的例子、识别非阿尔茨海默病的例子和比两个程序更少的遗漏病例方面的表现都比这两个程序要好。

第二个测试使用GPT-3的文本分析来预测数据集中不同患者在预测痴呆症严重程度的常见测试中的得分，称为迷你精神状态测试(MMSE)。

然后，研究小组将GPT-3的预测准确性与仅使用录音的声学特征(如停顿、声音强度和含糊不清)来预测MMSE分数的分析结果进行了比较。事实证明，GPT-3在预测患者MMSE评分方面的准确性提高了近20%。

他们写道:“我们的研究结果表明，由GPT-3生成的文本嵌入不仅可以可靠地用于从健康对照中检测患有阿尔茨海默病的个体，还可以推断受试者的认知测试分数，这两者都是基于语音数据。”“我们进一步证明，文本嵌入优于传统的基于声学特征的方法，甚至可以与微调模型竞争。这些结果表明，基于GPT-3的文本嵌入是一种很有前途的阿尔茨海默病评估方法，并有可能改善阿尔茨海默病的早期诊断痴呆。"

继续搜索

为了在这些有希望的结果的基础上，研究人员正计划开发一个网络应用程序，可以在家里或医生办公室使用，作为预筛查工具。

Liang说:“我们的概念验证表明，这可能是一种简单、可获取且足够敏感的基于社区的检测工具。”“这对于临床诊断前的早期筛查和风险评估非常有用。”