Новое исследование, проведенное учеными из Исследовательского центра неврологии в Сент-Джорджесе, выявило сильные и слабые стороны различных задач, используемых для выявления ранних признаков болезни Альцгеймера с помощью анализа речи и машинного обучения. Исследование, опубликованное в журнале Frontiers in Computer Science, демонстрирует, что, хотя машинное обучение можно использовать для оценки речевых паттернов на предмет наличия признаков заболевания, конкретная задача, поставленная перед тестируемым человеком, играет решающую роль в точности теста.
Предыдущее исследование группы показало, что болезнь Альцгеймера влияет на язык на очень ранней стадии заболевания, и, следовательно, языковые оценки могут использоваться для выявления болезни на более ранней стадии. Чем раньше его подберут, тем раньше можно будет рассмотреть возможность вмешательства, чтобы помочь пациенту.
Это последнее исследование дополняет доказательства, пытаясь оценить меры и задачи, которые можно использовать для тестирования на болезнь Альцгеймера. Записав звук из заданий, выполняемых участниками, исследовательская группа затем использовала программу машинного обучения, разработанную в St George’s, для оценки признаков заболевания.
Задачи, использованные в исследовании, представляют собой набор методов, используемых в сценариях здравоохранения. Один из наиболее распространенных подходов, используемых клиницистами, – это просить пациентов описать сцену, известную как "Кража файлов cookie" рисунок. Другие подходы включают просьбу пациента рассказать выученную историю, такую как известные сказки, такие как Золушка, – сложная задача, которая требует от пациента интегрировать серию персонажей и событий во временную шкалу, которую они могут вспомнить.
Для этого исследования исследователи использовали вышеуказанные оценки, а также процедурное воспоминание (рассказ о том, как заварить чашку чая), новый повествовательный пересказ (описание истории из картинок, представленных в бессловесной детской книге рассказов) и разговорной речи ( инструкции для другого человека, описывающие маршрут через ориентиры на карте), чтобы обнаружить признаки болезни Альцгеймера с помощью анализа речи.
После оценки результатов 50 участников испытания (25 с легкой болезнью Альцгеймера или легкими когнитивными нарушениями и 25 здоровых людей из контрольной группы), команда обнаружила, что рассказ о заученной истории, такой как Золушка, дает наиболее точные результаты. Используемая система машинного обучения смогла определить, имел ли участник болезнь Альцгеймера или легкие когнитивные нарушения с точностью 78%, с помощью "Задача «Кража файлов cookie» отстает на 76% – результаты сопоставимы с существующими тестами на наличие болезней. Остальные оцениваемые задачи дали точность в диапазоне от 62% (пересказ нового повествования) до 74% (процедурный отзыв).
"Наши результаты показывают, что, изменив задачи, используемые для оценки болезни Альцгеймера, мы можем с большей точностью определять болезнь с помощью анализа речи," говорит автор исследования и доктор философии на последнем курсе.D. студентка St George’s, Наташа Кларк.
Отмечая, что необходимы более масштабные исследования, чтобы еще больше улучшить понимание своих оценок, Кларк добавляет, "Мы надеемся, что в долгосрочной перспективе эту технологию можно будет использовать удаленно, например, через приложения для смартфонов, что снизит беспокойство по поводу тестирования на болезни. Если мы сможем упростить тестирование, то, надеюсь, мы сможем выявлять болезнь раньше и начать лечить людей раньше."
По результатам этого исследования команда теперь ищет участников исследования через год, чтобы оценить изменения с течением времени и узнать больше о прогрессировании заболевания.