Tóm tắt: Các nhà nghiên cứu đang phát triển một mô hình học máy nhằm phát hiện sớm chứng độc Alzheimer. Mô hình này, có thể truy cập thông qua điện thoại thông minh, có thể phân biệt được giữa bệnh nhân Alzheimer và những người khỏe mạnh với độ chính xác 70-75%. Bằng việc tập trung vào các mẫu ngôn ngữ thay vì nội dung, công cụ này có thể cung cấp các chỉ báo sớm đáng giá, có thể khởi động điều trị sớm và làm chậm tiến trình bệnh tật. Mặc dù không thể thay thế cho các chuyên gia chăm sóc sức khỏe, nó có thể nâng cao dịch vụ chăm sóc từ xa và giúp vượt qua các rào cản địa lý hoặc ngôn ngữ.
Các số liệu chính:
Mô hình học máy có thể xác định bệnh nhân Alzheimer từ những người khỏe mạnh với độ chính xác từ 70-75%.Công cụ phân tích các đặc điểm âm thanh và ngữ âm thay vì các từ cụ thể để phát hiện bệnh tật.Áp dụng mô hình này có thể là một công cụ sàng lọc đơn giản và dễ truy cập trên điện thoại thông minh, cung cấp chỉ báo sớm của bệnh Alzheimer.
Nguồn: Đại học Alberta
Các nhà nghiên cứu đang cố gắng đưa việc chẩn đoán bệnh động kinh Alzheimer sớm trở nên dễ dàng hơn với một mô hình học máy có thể được biến thành một công cụ sàng lọc đơn giản mà bất kỳ ai có điện thoại thông minh đều có thể sử dụng.
Mô hình này có thể phân biệt bệnh nhân Alzheimer và những người khỏe mạnh với độ chính xác từ 70 đến 75 phần trăm, một con số đầy hứa hẹn cho hơn 747.000 người Canada mắc Alzheimer hoặc một dạng khác của bệnh mất trí nhớ.
Bệnh động kinh Alzheimer có thể khó phát hiện ở các giai đoạn sớm, vì các triệu chứng thường bắt đầu rất tinh tế và có thể gây nhầm lẫn với các vấn đề liên quan đến trí nhớ, điển hình của tuổi già. Nhưng như các nhà nghiên cứu đã nhận xét, càng sớm phát hiện những vấn đề tiềm tàng, bệnh nhân có thể bắt đầu đưa ra hành động.
"Trước đây, bạn cần công việc thí nghiệm và chụp ảnh y học để phát hiện những thay đổi trong não; điều này tốn thời gian, đắt tiền và không ai được thử nghiệm vào thời điểm này," Eleni Stroulia, một giáo sư tại Khoa Tin học đã tham gia vào việc tạo ra mô hình, cho biết.
Và mặc dù mô hình học máy này rất phức tạp, trải nghiệm người dùng cuối cùng của một công cụ kết hợp nó không thể đơn giản hơn. Tuy nhiên, một công cụ sàng lọc sẽ không thể thay thế các chuyên gia chăm sóc sức khỏe. Ngoài việc hỗ trợ việc phát hiện sớm, nó cũng tạo ra một cách tiện lợi để xác định các vấn đề tiềm tàng thông qua dịch vụ chăm sóc từ xa cho bệnh nhân có thể đối mặt với các rào cản địa lý hoặc ngôn ngữ trong việc truy cập dịch vụ tại khu vực của họ, giải thích Zehra Shah, một sinh viên nghiên cứu tại Khoa Tin học và tác giả đầu tiên của bài báo.
"Chúng tôi có thể nghĩ đến việc phân loại bệnh nhân sử dụng loại công nghệ này dựa trên tiếng nói của họ duy nhất," Shah nói.
Trong khi nhóm nghiên cứu trước đó đã xem xét ngôn ngữ được sử dụng bởi bệnh nhân động kinh Alzheimer, trong dự án này, họ xem xét các đặc điểm âm thanh và ngữ âm độc lập ngôn ngữ thay vì các từ cụ thể.
"Công việc ban đầu liên quan đến việc lắng nghe những gì người ta nói, hiểu những gì họ nói, nghĩa của chúng. Đó là một vấn đề tính toán dễ dàng hơn để giải quyết," Stroulia cho biết. "Bây giờ chúng tôi đang nói, hãy nghe giọng nói. Có một số thuộc tính trong cách mà những người nói vượt quá ngôn ngữ ".
"Đó là một vấn đề mạnh mẽ hơn phiên bản của vấn đề chúng tôi đang giải quyết trước đó", Stroulia bổ sung.
Các nhà nghiên cứu bắt đầu với các đặc điểm tiếng nói mà các bác sĩ ghi chú là phổ biến ở bệnh nhân động kinh Alzheimer. Những bệnh nhân này thường nói chậm hơn, với nhiều dừng lại hoặc gián đoạn trong tiếng nói hơn. Họ thường sử dụng các từ ngắn hơn và thường có độ dễ hiểu giảm trong tiếng nói của họ. Các nhà nghiên cứu đã tìm thấy cách dịch các đặc điểm này thành các tính năng nói ngữ mà mô hình có thể sàng lọc.
Mặc dù các nhà nghiên cứu tập trung vào người nói tiếng Anh và Hy Lạp, "công nghệ này có tiềm năng được sử dụng trên các ngôn ngữ khác nhau", Shah cho biết.
Và mặc dù chính mô hình đó là phức tạp, trải nghiệm người dùng cuối cùng cho một công cụ tích hợp nó có thể cực kỳ đơn giản.
"Người dùng nói vào công cụ đó, nó phân tích và đưa ra dự đoán: có hay không, người đó mắc bệnh Alzheimer," nói Russ Greiner, một nhà đóng góp trong bài báo và giáo sư tại Khoa Khoa học Máy tính. Thông tin đó sau đó có thể được đưa đến chuyên gia chăm sóc sức khỏe để xác định phương pháp hành động tốt nhất cho người đó.
Cả Greiner và Stroulia đều là những người dẫn đầu nhóm nghiên cứu tâm thần học tính toán tại U of A, các thành viên của nhóm này đã tạo ra các mô hình trí tuệ nhân tạo và công cụ tương tự để phát hiện các rối loạn tâm thần như PTSD, tâm thần phân liệt, trầm cảm và rối loạn thần kinh thần kinh phân liệt.
"Bất cứ điều gì chúng tôi có thể làm để tăng cường quy trình lâm sàng, thông tin điều trị và quản lý bệnh sớm hơn và chi phí thấp hơn là tuyệt vời," Stroulia nói.
Tác giả: Adrianna MacPhersonNguồn: Đại học AlbertaLiên hệ: Adrianna MacPherson - Đại học Alberta Hình ảnh: Hình ảnh được ghi nhận bởi Neuroscience News
Nghiên cứu ban đầu: Các kết quả sẽ được trình bày tại ICASSP 2023 - Hội nghị Quốc tế IEEE về Âm thanh, Nói và Xử lý Tín hiệu năm 2023.
