科学家们开发了一种人工智能程序，可以从录音中准确有效地检测认知障碍。
诊断阿尔茨海默病需要大量时间和金钱。在进行冗长的面对面神经心理学检查后，临床医生必须详细转录、审查和分析每一个反应。然而，波士顿大学 (BU) 的研究人员开发了一种新工具，可以自动化该过程并最终使其在线移动。他们的机器学习驱动的计算模型可以从神经心理学测试的录音中检测认知障碍，所有这些都不需要亲自预约。他们的研究结果最近发表在阿尔茨海默氏症和痴呆症：阿尔茨海默氏症协会杂志上。
“这种方法让我们离早期干预更近了一步，”该论文的合著者、波士顿大学工程学院杰出工程教授 Ioannis Paschalidis 说。根据 Paschalidis 的说法，更快、更早地发现阿尔茨海默氏症可以推动更大规模的临床试验，这些试验侧重于疾病早期阶段的个体，并有可能实现减缓认知能力下降的临床干预：“它可以构成一个可以覆盖每个人的在线工具的基础并且可以增加早期接受筛查的人数。”
科学家们使用弗雷明汉心脏研究中 1000 多人的神经心理学访谈录音训练他们的 AI 模型。这个由 BU 领导的长期项目研究心血管疾病和其他生理状况。他们的程序转录了采访内容，然后使用自动在线语音识别工具（想想，“嘿，谷歌！”）和一种称为自然语言处理的机器学习技术，帮助计算机理解文本，将它们编码成数字。最终模型经过训练，以结合人口统计数据、文本编码以及神经学家和神经心理学家的真实诊断来评估个人认知障碍的可能性和严重程度。
该模型不仅能够准确区分健康个体和痴呆症患者，而且 Paschalidis 说它还检测到轻度认知障碍和痴呆症患者之间的差异。令人惊讶的是，事实证明，录音的质量和人们的讲话方式——他们的讲话是否流畅或始终步履蹒跚——不如他们所说的内容重要。
“令我们惊讶的是，语音流或其他音频功能并不那么重要；你可以相当好地自动转录采访，并依靠人工智能的文本分析来评估认知障碍，”Paschalidis 说，他也是 BU 拉菲克 B.哈里里计算与计算科学与工程研究所的新任主任。尽管研究团队仍需要根据其他数据来源验证其发现，但结果表明，他们的工具可以支持临床医生使用录音诊断认知障碍，包括来自虚拟或远程医疗预约的录音。
症状发作前筛查
该模型还可以深入了解神经心理学检查的哪些部分在确定个人是否有认知障碍方面可能比其他部分更重要。研究人员的模型根据所进行的临床测试将考试成绩单分成不同的部分。例如，他们发现波士顿命名测试——在此期间，临床医生要求个人用一个词标记一张图片——对于准确的痴呆诊断来说是最有用的信息。“这可能使临床医生能够以一种允许他们进行更多筛查的方式分配资源，甚至在症状出现之前，”Paschalidis 说。
痴呆症的早期诊断不仅对于患者及其护理人员能够制定有效的治疗和支持计划很重要，而且对于致力于减缓和预防阿尔茨海默病进展的疗法的科学家也至关重要。“我们的模型可以帮助临床医生评估患者认知能力下降的几率，”Paschalidis 说，“然后通过对痴呆症可能性较高的患者进行进一步测试，为他们量身定制资源。”
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
