تازه ترین یافته ها نشان می دهند؛
هوش مصنوعی چگونه می تواند به تشخیص علایم اولیه آلزایمر کمک کند
به گزارش بی بی سرور، دانشمندان دانشگاه درکسل در تازه ترین تحقیقات خود، به مطالعه توانایی هوش مصنوعی در تشخیص علایم بیماری آلزایمر پرداختند.
به گزارش بی بی سرور به نقل از مدیکال اکسپرس، الگوریتم های هوش مصنوعی پشت برنامه ربات چت ChatGPT که به سبب توانایی آن در ایجاد پاسخ های نوشتاری انسان مانند به بعضی از خلاقانه ترین پرسش ها توجه ها را به خود جلب کرده، امکان دارد روزی بتواند به پزشکان در تشخیص بیماری آلزایمر در مراحل اولیه آن کمک نماید.
تحقیقات دانشکده مهندسی زیست پزشکی، علوم و سیستم های سلامت دانشگاه درکسل اخیراً نشان داده است که برنامه GPT-۳ OpenAI می تواند سرنخ هایی را از گفتار خود به خود شناسایی کند که در پیشبینی مراحل اولیه زوال عقل ۸۰ درصد دقیق هستند. مطالعات نشان می دهد که اختلال زبان می تواند نشانه اولیه اختلالات عصبی باشد.
یافتن یک نشانه اولیه
روش فعلی برای تشخیص بیماری آلزایمر معمولا شامل بررسی تاریخچه پزشکی و مجموعه ای طولانی از ارزیابی ها و آزمایش های فیزیکی و عصبی است. در حالیکه هنوز هیچ درمانی برای این بیماری وجود ندارد، تشخیص زودهنگام آن می تواند انتخابهای بیشتری برای درمان و حمایت به بیماران دهد. از آنجاییکه اختلال زبان در ۶۰ تا ۸۰ درصد از بیماران مبتلا به زوال عقل یک علامت است، محققان بر برنامه هایی تمرکز کرده اند که می توانند سرنخ های ظریفی مانند تردید، اشتباهات دستوری و تلفظی و فراموش کردن معنای کلمات را بعنوان یک آزمون سریع دریافت نمایند.
دکتر هوالو لیانگ، استاد دانشکده مهندسی زیست پزشکی، علوم و سیستم های سلامت درکسل و یکی از محققان این مقاله می گوید: «ما از تحقیقات درحال انجام دریافتیم اثرات شناختی بیماری آلزایمر می تواند خویش را در تولید زبان نشان دهد. متداول ترین تست های مورد استفاده برای تشخیص زودهنگام نگاه آلزایمر به خصوصیت های آکوستیک مانند مکث، بیان و کیفیت صدا، علاوه بر تست های شناختی است اما ما معتقدیم که بهبود برنامه های پردازش زبان طبیعی، مسیر دیگری را برای پشتیبانی از شناسایی زودهنگام فراهم می کند».
برنامه ای که گوش می دهد و یاد می گیرد
GPT-۳ که به صورت رسمی سومین نسل از ترانسفورماتور پیش آموزشی عمومی OpenAI (GPT) است، از یک الگوریتم یادگیری عمیق استفاده می نماید که با پردازش بخش های وسیعی از اطلاعات از اینترنت، با تمرکز ویژه بر روش استفاده از کلمات و نحوه ساخت زبان آموزش داده شده است. این آموزش به آن اجازه می دهد تا پاسخی شبیه انسان به هر کاری که شامل زبان است، از پاسخ به سوالات ساده، تا نوشتن شعر یا مقاله، تولید نماید.
GPT-۳ بخصوص در «یادگیری داده های صفر» خوب عمل می کند؛ به این مفهوم که می تواند به سوالاتی پاسخ دهد که معمولا به دانش خارجی نیاز دارند، بعنوان مثال درخواست از برنامه برای نوشتن یادداشت های کلیف یک متن معمولا احتیاج به توضیح دارد؛ اما GPT-۳ برای درک مرجع و تطبیق خود با ایجاد پاسخ مورد انتظار، آموزش کافی را پشت سر گذاشته است.
فلیکس آگباور، یکی از محققان اصلی این مطالعه می گوید: «رویکرد سیستمی GPT۳ به تحلیل و بررسی و تولید زبان، آنرا به نامزدی امیدوارکننده برای شناسایی خصوصیت های گفتاری ظریفی که امکان دارد شروع زوال عقل را پیشبینی کند، تبدیل می کند. آموزش GPT-۳ با مجموعه داده عظیمی از مصاحبه ها که بعضی از آنها با بیماران آلزایمر هستند، اطلاعات مورد نیاز برای استخراج الگوهای گفتاری را در اختیار آن قرار می دهد که می تواند از آنها برای شناسایی نشانگرها در بیماران آینده استفاده نمود.
جستجوی سیگنال های گفتاری
محققان نظریه خویش را با آموزش برنامه با مجموعه ای از رونوشت ها از بخشی از مجموعه داده های ضبط شده گفتار که به صورت خاص برای آزمایش توانایی برنامه های پردازش زبان طبیعی برای پیشبینی زوال عقل گردآوری شده بود، آزمایش کردند. این برنامه خصوصیت های مفهوم داری از استفاده از کلمه، ساختار جمله و مفهوم را از متن استخراج می کند تا چیزی را که محققان «جاسازی» می نامند و به معنای نمایه مشخصه گفتار آلزایمر است، تولید نماید.
این تیم با اجرای دو مورد از برترین برنامه های پردازش زبان طبیعی با سرعت یکسان، دریافتند GPT-۳، از نظر شناسایی دقیق نمونه های آلزایمر، شناسایی نمونه های غیرآلزایمر و موارد از دست رفته کمتر نسبت به هر دو برنامه، عملکرد بهتری دارد.
آزمایش دوم از تحلیل و بررسی متنی GPT-۳ برای پیشبینی امتیاز بیماران مختلف از مجموعه داده ها در یک آزمون رایج برای پیشبینی شدت زوال عقل، به نام آزمون وضعیت ذهنی کوچک (MMSE) استفاده نمود.
تیم سپس دقت پیشبینی GPT-۳ را با آنالیز با بهره گیری از تنها خصوصیت های صوتی ضبط شده، مانند مکث، قدرت صدا و درهم رفتن، برای پیشبینی امتیاز MMSE مقایسه کرد که در نتیجه آن ثابت شد GPT-۳ تقریبا ۲۰٪ در پیشبینی امتیازات MMSE بیماران دقیق تر است.
محققان این مطالعه گفتند: «نتایج ما نشان داده است جاسازی متن، ساخته شده توسط GPT-۳، می تواند به صورت قابل اعتمادی نه تنها برای تشخیص افراد مبتلا به بیماری آلزایمر از افراد سالم استفاده شود، بلکه امتیاز تست شناختی آزمودنی را هم استنتاج کرد؛ ما همینطور نشان می دهیم که جاسازی متن از رویکرد مبتنی بر خصوصیت های آکوستیک معمولی بهتر عمل می کند و حتی با مدلهای تنظیم شده رقابتی هم تطابق دارد. این نتایج همه با هم نشان می دهند که جاسازی متن مبتنی بر GPT-۳ یک رویکرد امیدوارکننده برای ارزیابی AD است و پتانسیل بالایی برای بهبود تشخیص زودهنگام زوال عقل دارد.
برای ایجاد این نتایج امیدوارکننده، محققان درحال برنامه ریزی برای توسعه یک برنامه وب هستند که می تواند در خانه یا مطب پزشک بعنوان یک ابزار پیش غربالگری استفاده گردد.
لیانگ می گوید: «اثبات مفهومی ما نشان داده است که این می تواند ابزاری ساده، در دسترس و به اندازه کافی حساس برای آزمایش مبتنی بر جامعه بوده، همینطور برای غربالگری زودهنگام و ارزیابی خطر پیش از تشخیص بالینی بسیار مفید باشد».
منبع: bbserver.ir
مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب