با این حال، مطالعات دیگر نشان داده اند که “ahs” و “ums” در گفتار می تواند در آشکارسازی آلزایمر مهم باشد. آ مطالعه 2021 که آن مکث‌ها را کدگذاری می‌کرد، به یک مدل یادگیری ماشینی اجازه می‌داد تا بیماری آلزایمر را با دقت 90 درصد تشخیص دهد، و یک مطالعه جداگانه در اسلوونی انجام شد که ترکیبی از ویژگی های متن و آکوستیک به دقت 94٪ رسید.
استفاده از صدا برای تشخیص آلزایمر
فرانک رودزیچ، PhD، دانشیار علوم کامپیوتر در دانشگاه تورنتو، می گوید: «بهترین ترکیب ترکیب هر دو نوع ویژگی با هم است. اطلاعات زیادی در کلمات و ساختار رونوشت‌ها و همچنین در لحن صدای ما وجود دارد.
این نرم افزار متن رونویسی شده (همچنین توسط نرم افزار) از ضبط 10 ثانیه ای بزرگسالان سالم و بیماران آلزایمر را تجزیه و تحلیل کرد. این متن مدل GPT-3 را برای شناسایی تفاوت‌های ظریف بین زبان عادی و گفتار از فردی که دچار زوال شناختی می‌شود، آموزش داد.
محققان دانشگاه Drexel در فیلادلفیا از هوش مصنوعی استفاده کردند ChatGPT (که برای نوشتن مقالات ترم قابل باور و قبولی در امتحانات وکالت، تیترها را برای تجزیه و تحلیل گفتار به خود اختصاص داده است، و این سیستم 80 درصد از مواقع بیماران آلزایمر را به درستی شناسایی می کند. مطالعه در مجله منتشر شده است سلامت دیجیتال PLOS.
3 فوریه 2023 – هوش مصنوعی که می تواند مقاله بنویسد و تست ها را پاس کند، می تواند به شناسایی زوال عقل نیز کمک کند.
از آنجایی که GPT-3 فقط متن نوشته شده را تجزیه و تحلیل می کند، این فرآیند مکث ها و سایر صداهای زبان گفتاری را که کلمات نیستند دور می زند. در این مورد، این یک مزیت بود: تجزیه و تحلیل GPT-3 از برخی مدل‌های یادگیری ماشینی که توسط آزمایشگاه‌های دیگر که شامل آن صداها بودند، توسعه یافته بود.
لیانگ می‌گوید: «این تجزیه و تحلیل را می‌توان با حفظ حریم خصوصی زمانی که سیستم به طور کامل کار کرد انجام داد. “به این ترتیب، می تواند تاثیر فوری و قابل توجهی در کاهش مشکل زوال عقل در جامعه مسن داشته باشد.”
بیماران آلزایمر اغلب خود را تکرار می‌کردند، از توصیف محتوای تصویر دور می‌شدند، افکار را تمام نمی‌کردند، و به اشیا به‌طور مبهم به‌عنوان «چیز» یا «چیزی» یاد می‌کردند.
بیشتر و بیشتر محققان در حال بررسی هستند صدا به عنوان نشانگر زیستی، راهی برای تشخیص بیماری های مختلف از جمله آلزایمر.
پزشکان در نهایت می توانند از یک دستگاه یا برنامه کامپیوتری برای آزمایش توانایی های شناختی بیمار در مطب خود استفاده کنند. اسکن مغز یا سایر آزمایش‌های بالینی می‌تواند تشخیص آلزایمر را تأیید کند.
دکتر Hualou Liang، استاد مهندسی زیست پزشکی در Drexel، نویسنده این مطالعه، می‌گوید: «GPT-3 می‌تواند چنین تفاوت ظریفی را که در متن منعکس می‌شود، ثبت کند.
محققان از GPT-3، مدل زبانی که ChatGPT را هدایت می‌کند، برای تجزیه و تحلیل کلیپ‌های صوتی افرادی که تصویری را در یک آزمایش استاندارد برای زوال عقل توصیف می‌کنند، استفاده کردند.
مدل‌های یادگیری ماشینی GPT-3، قسمت‌های متن را با تبدیل کلمات به نمایش‌های ریاضی به نام «جاسازی‌ها» درک می‌کنند. تعبیه‌ها سیگنال‌های چند بعدی هستند که به هوش مصنوعی اجازه می‌دهند تفاوت‌ها و شباهت‌های ظریفی را که حتی پزشکان با تجربه نمی‌شنوند را شناسایی کند. GPT-3 با اندازه گیری فاصله بین آن سیگنال ها در جاسازی ها، متن ها را با هم مقایسه می کند.
محققان در این زمینه امیدوارند با توسعه ابزاری که می‌تواند آلزایمر را زود تشخیص دهد، این شکاف را برطرف کنند – زمانی که ممکن است اثرات آن برای پزشک بسیار ظریف باشد. رودزیچ، که یکی از بنیانگذاران اپلیکیشن موبایل تحلیل گفتار به نام است، می‌گوید: «هنوز درمانی برای بیماری آلزایمر وجود ندارد، اما تغییراتی در زندگی وجود دارد که می‌تواند برخی از اثرات آن را به تاخیر بیندازد، بنابراین تشخیص زودهنگام هنوز مهم است. نور زمستانی. این نوع فناوری‌ها را می‌توان برای سایر اختلالات از جمله پارکینسون، افسردگی و غیره نیز به کار برد.»
در سراسر جهان، موارد آلزایمر تنها در 48 درصد مواقع با موفقیت شناسایی می‌شوند. بر اساس برآوردها توسط سازمان بهداشت جهانی کشورهای با درآمد بالاتر به نرخ تشخیصی 54 درصدی دست می یابند، در حالی که کشورهای با درآمد پایین و متوسط تنها 24 درصد موارد آلزایمر را شناسایی می کنند.
برنامه دیگری ممکن است از دستگاه‌های هوشمندی مانند الکسا و سیری برای نظارت بر مکالمات معمولی شما (با رضایت شما) استفاده کند و در صورت مشاهده هر کلمه نگران‌کننده‌ای به شما هشدار دهد. حتی ممکن است سایر مشکلات روانی مانند افسردگی و استرس را تشخیص دهد.