هوش مصنوعی: عقلانسانسازان توانایی پیشبینی خطر آلزایمر
پژوهشگران دانشگاه بوستون با استفاده از هوش مصنوعی، توانستهاند یک مدل پیشبینی کننده آلزایمر را ایجاد کنند که با تحلیل الگوهای گفتاری افراد دچار اختلال شناختی خفیف، احتمال ابتلای آنها به آلزایمر را در آینده پیشبینی کند. این مدل توانست با دقت ۷۸.۵ درصد، حالت ثابت ماندن یا پیشرفت آلزایمر را در افراد تشخیص دهد، و باعث شود پزشکان بتوانند به طور زودهنگام تشخیص دهند و پیشرفت بیماری را کند کنند.
این مدل توانایی پایش اختلال شناختی را بدون نیاز به عکسبرداری یا آزمایشهای خاص دارد و به پزشکان این امکان را میدهد که بیماری را بهبود دهند. از مزیتهای این روش میتوان به اتوماتیک بودن و گسترده شدن پایش و تشخیص اشاره کرد.
پژوهشگران برای ساخت این مدل از دادههای مصاحبهها و تستهای مربوط به شرکتکنندگان استفاده کرده و با ترکیب ابزارهای تشخیص گفتار و یادگیری ماشین، توانستند یک مدل تمرین دهند که قادر به پیشبینی پیشرفت آلزایمر با دقت بالا باشد. اهمیت این مدل در این است که با استفاده از آن میتوان از هوش مصنوعی برای پیشبینی آلزایمر بهصورت اتوماتیک و کمترین دخالت انسان استفاده کرد.
پژوهشگران دانشگاه بوستون یک مدل هوش مصنوعی ساختهاند که با تحلیل الگوهای گفتاری در افراد دچار اختلال شناختی خفیف، احتمال ابتلای آنها به آلزایمر را در شش سال آینده با دقت بالا پیشبینی میکند.
به گزارش دیجیاتو، این مدل با دقت ۷۸.۵ درصد پیشبینی میکند که فرد با اختلال شناختی خفیف در شش سال آینده به زوال عقل مرتبط با آلزایمر دچار میشود یا وضعیتی ثابت خواهد داشت. این برنامه پزشکان را قادر میسازد تا تشخیصهایی زودهنگام داشته باشند و از سرعت پیشروی بیماری بکاهند.
یکی از مزایای این روش پیشبینی، این است که پایش اختلال شناختی را همگانی و تا حدی اتوماتیک میکند. این برنامه به هیچ نوع عکسبرداری و آزمایشی نیاز ندارد و حتی لازم نیست فرد به مراکز درمان مراجعه کند.
این برنامه را گروهی از مهندسان و دانشمندان علوم اعصاب، کامپیوتر و داده توسعه دادهاند. آنها نتایج خود را در ژورنال Alzheimer’s & Dementia منتشر کردهاند.
پیشبینی دقیق آلزایمر میتواند به پزشکان کمک کند تا با استفاده از روشهای مختلف سرعت پیشرفت آن را کند کنند.
پیشبینی آلزایمر با استفاده از هوش مصنوعی
پژوهشگران برای ساخت مدل هوش مصنوعی خود، به سراغ دادههای یک آزمایش قلب و عروق رفتند. شرکتکنندگان در این آزمایش علاوه بر تستهای مختلف در مصاحبههایی نیز شرکت کرده بودند.
پژوهشگران دانشگاه بوستون از مصاحبههای مربوط به ۱۶۶ شرکتکننده ۶۳ تا ۹۷ سال که اختلال شناختی خفیف داشتند استفاده کردند. ۷۶ نفر از آنها در شش سال بعد وضعیتی ثابت داشتند و در ۹۰ نفر دیگر، زوال عقل بهتدریج پیشرفت کرد.
پژوهشگران از ترکیبی از ابزارهای تشخیص گفتار و یادگیری ماشین استفاده کردند تا یک مدل تمرین دهند که روابط میان گفتار، خصوصیات جمعیتی (سن، جنسیت و غیره)، تشخیص بیماری و پیشرفت آن را پیدا میکند. بخشی از دادهها برای تمرین مدل و بخشی دیگر برای ارزیابی عملکرد آن استفاده شد. این مدل به گفتار هر فرد یک نمره میدهد. این نمره احتمال پیشرفت زوال عقل یا ثابت ماندن آن را مشخص میکند.
این مدل بهجای استفاده از خصوصیات صوتی، مانند سرعت گفتار، به محتوای مصاحبهها توجه میکند؛ یعنی به کلماتی که فرد میگوید و ساختار آنها. کیفیت ضبط این مصاحبهها بسیار پایین بود و نویز پسزمینه فراوانی داشتند. در واقع، همه مصاحبهها گفتگوهایی بسیار عادی و روزمره بودند.
اهمیت این نکته در آن است که نشان میدهد میتوان از هوش مصنوعی بهصورت اتوماتیک و با کمترین دخالت انسان برای پیشبینی آلزایمر استفاده کرد. این مدل میتواند توسعه بیماری را در افرادی تشخیص دهد که بهطور منظم در مراکز درمانی حضور ندارند. به این ترتیب، تعداد افرادی که سلامت عقل آنها پایش میشود بسیار افزایش مییابد.
پژوهشگران میخواهند در قدم بعدی، مدل خود را روی مکالمههایی روزمره و عادیتر امتحان کنند. آنها در تلاشند تا یک اپلیکیشن مخصوص گوشیهای هوشمند بسازند که به تشخیص آلزایمر کمک میکند. آنها همچنین میخواهند از دادههای مربوط به نقاشیها و الگوهای زندگی روزمره استفاده کنند تا دقت مدل خود را افزایش دهند.