机器学习模型能够检测跨语言阿尔茨海默氏症的迹象

研究人员正在努力使阿尔茨海默氏痴呆的早期诊断成为可能与机器学习(ML)模型可能有一天会变成一个简单的筛选任何智能手机可以使用的工具。

模型能够区分阿尔茨海默氏症患者和健康对照组与70 - 75%的准确率,一个有前途的图对超过747000名加拿大人阿尔茨海默氏症或另一种形式的痴呆症。

阿尔茨海默氏痴呆可以挑战来检测在早期阶段,因为症状通常很微妙的,可以混淆与内存相关问题,典型的先进的年龄。但是研究人员注意到,早期检测到潜在的问题,患者越早可以开始采取行动。

“以前,你需要实验室工作,医学成像,探测大脑的变化;这需要时间,这是昂贵的,并且没有人能测试这在早期,“说Eleni Stroulia,计算机科学系教授曾参与创建模型。

“如果你可以使用手机一个早期信号,将通知病人与医生之间的关系。它可能会开始治疗前,我们甚至可以从简单的干预在国内,也有移动设备进展慢下来。”

筛查工具不会代替卫生保健专业人员。然而,除了协助在早期检测,它将创建一个方便的方式来识别潜在的问题通过远程医疗的患者可能面临地理区域或语言障碍访问服务,解释Zehra Shah硕士学生的计算科学论文的第一作者。

“我们可以考虑筛选病人完全基于使用这种技术演讲孤独,”国王说。

虽然研究小组曾看着阿尔茨海默氏痴呆患者所使用的语言,对于这个项目他们检查语言无关声学特性而不是特定的词汇和语言讲话。

“原来的工作涉及听人说什么,理解他们说什么,的意思。这是一个计算问题更容易解决,”Stroulia说。“现在我们说、听声音。人们的说话方式有一些属性,超越语言。”

“这是更强大的比之前版本的问题我们解决,“Stroulia补充道。

研究人员开始演讲特色,医生指出阿尔茨海默氏痴呆患者中是很常见的。这些患者往往说慢一点,有停顿或中断他们的演讲。他们通常使用短词,通常降低了可解性的演讲。研究人员发现这些特征转化为语音特征模型的方法可以屏幕。

虽然研究人员关注英语和希腊人,“这项技术有可能被使用在不同的语言,”国王说。

虽然模型本身是复杂的,最终用户体验的一个工具,包含不可能是简单的。

“一个人会谈到工具,它一个分析和预测:是的,有阿尔茨海默氏症的人,或没有他们不,”格林尼Russ贡献者在纸上和计算机科学的教授。这些信息可以使医疗专业来确定最佳的行动方针的人。

他一一和Stroulia都主要计算精神病学研究小组的U,其成员制定类似的人工智能模型和工具来检测精神疾病如创伤后应激障碍、精神分裂症、抑郁症和双相情感障碍。

“任何我们可以做放大的临床过程,告知治疗和管理疾病早以更少的成本是伟大的,”Stroulia说。

毫升的模型一篇论文中所描述的,“探索语言无关的演讲表示使用领域知识检测阿尔茨海默氏痴呆,”将出现在ICASSP 2023信号处理大挑战,团队排名第一在北美和全球第四。