AI通过分析词语用法评估阿尔茨海默病风险

新模型使用书写样本以70%的准确率预测疾病的发生

某些类型的词语用法可以作为认知障碍的早期迹象。

人工智能可能很快就能通过分析书写来帮助筛查阿尔茨海默病。IBM和辉瑞的一个团队表示,他们已经训练出AI模型,通过观察词语用法中的语言模式,来发现这种以隐匿性著称的疾病的早期迹象

其他研究人员已经训练出各种模型,通过使用不同类型的数据,如脑部扫描和临床测试结果,来寻找包括阿尔茨海默病在内的认知障碍的迹象。但最新的工作之所以引人注目,是因为它使用了来自多代弗雷明汉心脏研究的历史信息,该研究自1948年以来一直在追踪来自三代人的超过14000人的健康状况。研究人员表示,如果新模型在更大、更多样化人群的前瞻性研究中能够保持其发现此类数据趋势的能力,那么他们可以在症状严重到足以被典型诊断方法发现之前数年预测阿尔茨海默病的发展。而且,这种筛查工具不需要侵入性测试或扫描。辉瑞资助和IBM运行的这项研究结果于周四发表在《EClinicalMedicine》杂志上。

IBM医疗保健和生命科学研究副总裁Ajay Royyuru说,新的AI模型为“专家从业人员提供了一种增强手段,让他们能够在临床诊断实现之前,更早地发现一些细微的变化”。“它实际上可能会提醒您注意某些变化,这些变化[表明]您应该进行更全面的检查。”


支持科学新闻报道

如果您喜欢这篇文章,请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅,您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。


为了训练这些模型,研究人员使用了弗雷明汉心脏研究参与者的手写回复的数字转录本,这些参与者被要求描述一张女人的照片,照片中女人显然正专心洗碗,而两个孩子在她身后偷饼干罐。弗雷明汉研究神经心理学主任、波士顿大学教授Rhoda Au说,这些描述没有保留原始回复的手写笔迹。(她的团队负责为新论文转录数据,但仅限于此。)然而,即使没有物理手写笔迹,IBM表示,其主要的AI模型也能够检测到有时与认知障碍早期迹象相关的语言特征。这些特征包括某些拼写错误、重复的词语以及使用简化的短语而不是语法复杂的句子。Royyuru说,这些证据与临床医生对阿尔茨海默病如何影响语言的理解相符。

主要模型在预测弗雷明汉参与者中哪些人最终在85岁之前患上与阿尔茨海默病相关的痴呆症方面,达到了70%的准确率。然而,这一结果是基于历史数据,而不是实际预测未来事件——而且,关于这篇新论文还有其他需要注意的地方。

AI专注于弗雷明汉研究参与者中最年长的群体,他们主要代表非西班牙裔白人人口。Au指出,这限制了结果在多大程度上可以推广到美国和世界其他地区更多样化的社区。多伦多Winterlight Labs的机器学习主管Jekaterina Novikova指出,目前尚不清楚AI在更大规模人群中的表现如何:EClinicalMedicine研究的数据集仅涉及40名最终患上痴呆症的人和40名未患病“对照组”。Novikova没有参与这项新研究,她还质疑IBM的AI在预测阿尔茨海默病在诊断前不同时间点的发病情况时,性能是否会发生变化。

尽管如此,她和Au都称赞这篇论文是对该领域的可靠贡献,可能会吸引更多关注和资源用于AI检测阿尔茨海默病。Novikova说:“我个人喜欢[这项研究]的地方在于,它是为数不多的分析了长期收集的大规模真实世界数据的研究之一。”

Au认为,如果新模型能够incorporate手写笔迹,可能会更准确。这种能力可以提供额外的线索,例如细微颤抖的证据、印刷体和草书之间的切换以及非常小的字母。“研究人员没有考虑到的...特征有很多,这些特征与语言特征相结合,可能会创建一个更具预测性的模型,”Au说。IBM的模型也没有包含口语数据。使用AI语音分析来诊断阿尔茨海默病是一个新兴的研究领域,其他系统专注于检测音频样本中的变化。这些样本包含诸如言语停顿之类的线索,这些线索在书写中找不到。

与脑部扫描和其他实验室测试相比,无论是书面还是口语,语言样本都为监测人们的认知健康提供了一种相对非侵入性的信息来源。收集此类语言数据可以低成本且远程完成——尽管这样做仍然需要为创建样本的个人提供严格的知情同意和隐私保护,Royyuru说。这一点尤其重要,因为有些人可能甚至不想知道自己患阿尔茨海默病的可能性有多大——阿尔茨海默病目前是一种不可逆转的疾病。

鉴于书写需要识字而口语不需要,从长远来看,在口语样本上训练模型可能被证明更实用,能够实现最广泛的覆盖范围。Novikova和她在Winterlight Labs的同事一直专注于教授AI分析口语单词中的声学和语言特征。Au一直在记录语音和手写笔迹,使用数字笔来捕捉后者,用于她的研究。IBM似乎也在为他们未来的工作考虑相同的思路。

“我们正在利用这项技术来更好地了解诸如精神分裂症、[肌萎缩侧索硬化症]和帕金森病等疾病,并且正在前瞻性研究中这样做,[这些研究]分析了在获得类似认知语言测试的同意后提供的口语语音样本,”新研究的合著者、IBM计算精神病学和神经影像学首席研究员Guillermo Cecchi说。

Jeremy Hsu 是一位居住在纽约市的作家,曾为《大众科学》、《IEEE Spectrum》、《Undark Magazine》和《Wired》等出版物撰稿。

更多作者:Jeremy Hsu
SA Mind 第 32 卷第 1 期这篇文章最初以“AI通过分析词语用法评估阿尔茨海默病风险”为标题发表在SA Mind 第 32 卷第 1 期 (), 第 8 页
doi:10.1038/scientificamericanmind0121-8
© . All rights reserved.