Mobiteli će otkrivati znakove demencije

Tekst članka se nastavlja ispod banera

Istraživači Odsjeka za računarstvo kanadskog Sveučilišta u Alberti na dobrom su putu da svakome s pametnim telefonom pri ruci omoguće raniju dijagnozu Alzheimerove bolesti i drugih vrsta demencije.

Kvaka je u primijenjenom modelu strojnog učenja iz kojeg bi se mogao izraditi jednostavan alat za provjeru.

Ovo nije prvi takav pothvat računalnih stručnjaka iz Alberte koji su dosad već izradili slične modele umjetne inteligencije i alate za otkrivanje psihijatrijskih poremećaja kao što su PTSP, shizofrenija, depresija i bipolarni poremećaj.

Nagrađen model

Njihov model, nagrađen na netom završenoj Međunarodnoj konferenciji o akustici, obradi govora i signala ICASSP 2023. na grčkom otoku Rodosu, trenutno raspoznaje pacijente s Alzheimerovom bolešću s točnošću od 70 do 75 posto, što je obećavajuća brojka za stotine milijuna ljudi kod kojih će se prije ili kasnije razviti neki oblik demencije.

Alzheimerovu bolest dosad je bilo teško otkriti u ranim fazama jer simptomi često počinju prilično suptilno i mogu se zamijeniti s problemima povezanim s pamćenjem, tipičnim za stariju dob, prenosi Bug.

Da biste otkrili promjene na mozgu, potrebna su razna medicinska snimanja i analiza laboratorijskih pretraga, a to zahtijeva vrijeme, skupo je i najčešće se radi kad je bolest već uznapredovala.

Rano otkrivanje pokazatelja demencije pomoću pametnih telefona ubrzalo bi proces i liječenje bi počelo puno ranije, ističu istraživači. Njihov alat za probir ne bi zamijenio zdravstvene djelatnike, ali bi potaknuo razvoj telezdravstva i ukinuo brojne zemljopisne ili jezične prepreke u pristupu medicinskim uslugama jer bi se trijaža mogla temeljiti samo na govoru.

Značajke govora

Istraživači su u sklopu projekta ispitivali jezično-agnostičke akustičke i lingvističke značajke govora, a ne specifične riječi. Istražili su karakteristike govora, uobičajene kod pacijenata oboljelim od Alzheimera.

Ti pacijenti govore sporije, s više pauza ili prekida u govoru, obično koriste kraće riječi i često ih je teže razumjeti. Istraživači su pronašli način da te karakteristike prevedu u govorne značajke koje bi mogao provjeriti model strojnog učenja.

Iako je sam model prilično složen, konačno korisničko iskustvo ne može biti jednostavnije. Osoba razgovara s alatom koji analiza i predviđa bolest, a te se informacije zatim mogu prenijeti liječnicima koji će odrediti daljnje postupke.