Pokušaj da se utvrdi da li neko ima Alchajmerovu bolest obično uključuje niz procena – intervjue, snimanje mozga, testove krvi i cerebrospinalne tečnosti. Ali, do tada je verovatno već kasno: sećanja su počela da izmiču, davno utvrđene osobine ličnosti su počele suptilno da se menjaju.
Ako se rano uhvate, novi pionirski tretmani mogu usporiti nemilosrdno napredovanje bolesti, ali ne postoji siguran način da se predvidi ko će razviti demenciju povezanu sa Alchajmerovom bolešću.
Istraživači sa Univerziteta u Bostonu kažu da su dizajnirali obećavajući novi kompjuterski program ili model veštačke inteligencije koji bi jednog dana mogao pomoći da se to promeni – samo analizom govora pacijenta. Multidisciplinarni tim inženjera, neurobiologa i naučnika za kompjutere i podatke objavio je svoje nalaze u časopisu Alchajmerova bolest i demencija.
Njihov model može predvideti, sa stopom tačnosti od 78,5%, da li će neko sa blagim kognitivnim oštećenjem verovatno ostati stabilan u narednih šest godina – ili će pasti u demenciju povezanu sa Alchajmerovom bolešću.
Dok omogućavaju kliničarima da zavire u budućnost i postavljaju ranije dijagnoze, istraživači kažu da bi njihov rad takođe mogao pomoći da se skrining kognitivnih oštećenja učini dostupnijim automatizacijom delova procesa – nisu potrebni skupi laboratorijski testovi, pregledi slikanja ili čak posete kancelariji. Model pokreće mašinsko učenje, podskup veštačke inteligencije gde kompjuterski naučnici podučavaju program za nezavisnu analizu podataka.
„Želeli smo da predvidimo šta će se desiti u narednih šest godina — i otkrili smo da možemo razumno da to predviđamo sa relativno dobrim poverenjem i tačnošću“, kaže Joanis (Janis) Pašalidis, direktor BU Rafik B. Hariri Instituta za računarstvo i Računarska nauka i inženjerstvo. „To pokazuje moć veštačke inteligencije.“
„Nadamo se, kao i svi, da će biti dostupnih sve više i više tretmana za Alchajmerovu bolest“, kaže Paschalidis, cenjeni profesor inženjerstva na BU College of Engineering i član osnivač Fakulteta za računarstvo i nauke o podacima.
„Ako možete da predvidite šta će se desiti, imate više mogućnosti i vremenskog okvira da intervenišete lekovima, i bar pokušate da održite stabilnost stanja i sprečite prelazak na teže oblike demencije.
Da bi obučili i izgradili svoj novi model, istraživači su se okrenuli podacima iz jedne od najstarijih i najdugovječnijih studija u zemlji – Framingham Heart Studi pod vodstvom BU. Iako je studija Framinghama fokusirana na kardiovaskularno zdravlje, učesnici koji pokazuju znake kognitivnog opadanja prolaze redovne neuropsihološke testove i intervjue, proizvodeći mnoštvo longitudinalnih informacija o njihovom kognitivnom blagostanju.
Paschalidisu i njegovim kolegama dali su audio-snimke 166 početnih intervjua sa ljudima, između 63 i 97 godina, sa dijagnozom blagog kognitivnog oštećenja — 76 koji će ostati stabilni narednih šest godina i 90 čija će kognitivna funkcija progresivno opadati.
Zatim su koristili kombinaciju alata za prepoznavanje govora — sličnih programima koji napajaju vaš pametni zvučnik — i mašinskog učenja kako bi obučili model da uoči veze između govora, demografije, dijagnoze i progresije bolesti. Nakon što su ga obučili na podskupu ispitivane populacije, testirali su njegovu prediktivnu moć na ostalim učesnicima.
„Mi kombinujemo informacije koje izvlačimo iz audio zapisa sa nekim vrlo osnovnim demografskim podacima — uzrastom, polom i tako dalje — i dobijamo konačan rezultat“, kaže Paschalidis. „O rezultatu možete razmišljati kao o verovatnoći, verovatnoći da će neko ostati stabilan ili preći u demenciju. Imao je značajnu sposobnost predviđanja.“
Umesto da koristi akustične karakteristike govora, poput izgovora ili brzine, model samo izvlači sadržaj intervjua – izgovorene reči, kako su strukturirane. A Paschalidis kaže da su informacije koje stavljaju u program mašinskog učenja grube oko ivica: snimci su, na primer, neuredni — niskog kvaliteta i ispunjeni pozadinskom bukom. „To je veoma ležeran snimak“, kaže on. „I dalje, sa ovim prljavim podacima, model je u stanju da napravi nešto od toga.
To je važno, jer se projekat delimično bavio testiranjem sposobnosti veštačke inteligencije da učini proces dijagnoze demencije efikasnijim i automatizovanijim, uz malo ljudskog učešća. U budućnosti, kažu istraživači, modeli poput njihovog mogli bi da se koriste za pružanje nege pacijentima koji nisu u blizini medicinskih centara ili za pružanje rutinskog praćenja kroz interakciju sa aplikacijom kod kuće, drastično povećavajući broj ljudi koji se pregledaju.
Prema Alzheimer’s Disease International, većina ljudi sa demencijom širom sveta nikada ne dobije zvaničnu dijagnozu, zbog čega su isključeni iz lečenja i nege.
Roda Au, koautor rada, kaže da AI ima moć da stvori „nauku jednakih mogućnosti i zdravstvenu zaštitu“. Studija se zasniva na prethodnom radu istog tima, gde su otkrili da veštačka inteligencija može tačno da otkrije kognitivna oštećenja koristeći glasovne snimke.
„Tehnologija može da prevaziđe pristrasnost posla koji mogu da obavljaju samo oni koji imaju resurse ili negu koja se oslanja na specijalizovanu ekspertizu koja nije dostupna svima“, kaže Au, profesor anatomije i neurobiologije na Medicinskom fakultetu Univerziteta Chobanian & Avedisian. .
Za nju, jedno od najuzbudljivijih otkrića bilo je „da metoda za kognitivnu procenu koja ima potencijal da bude maksimalno inkluzivna — verovatno nezavisna od starosti, pola/pola, obrazovanja, jezika, kulture, prihoda, geografije — može poslužiti kao potencijal alat za skrining za otkrivanje i praćenje simptoma povezanih sa Alchajmerovom bolešću.“
U budućim istraživanjima, Paschalidis bi želeo da istražuje koristeći podatke ne samo iz formalnih intervjua kliničar-pacijent – sa njihovim skriptiranim pitanjima i predvidljivim napredovanjem – već i iz prirodnijih, svakodnevnih razgovora. On već sprema projekat o tome da li veštačka inteligencija može da pomogne u dijagnosticiranju demencije putem aplikacije za pametne telefone, kao i da proširi trenutnu studiju izvan analize govora – Framinghamski testovi takođe uključuju crteže pacijenata i podatke o obrascima svakodnevnog života – kako bi se povećala tačnost predviđanja modela .
„Digital je nova krv“, kaže Au. „Možete ga prikupiti, analizirati za ono što je poznato danas, pohraniti i ponovo analizirati za sve što se novo pojavi sutra.“
