AI+醫學(xué)，帶來(lái)了最新突破結果。

本月早些時(shí)候，加拿大阿爾伯塔大學(xué)計算機科學(xué)系的Zehra Shah、Shi-Ang Qi等人發(fā)表了一篇圍繞“使用特定的聲學(xué)特征檢測早期阿爾茲海默癥”的論文，旨在通過(guò)聲學(xué)語(yǔ)音特征結合機器學(xué)習模型來(lái)檢測患者的認知能力下降程度。

結果顯示，研究人員開(kāi)發(fā)的模型能夠以70%至75%的準確率區分阿爾茨海默病患者和健康對照組：

(資料圖片僅供參考)

總的來(lái)說(shuō)，我們的結果表明，機器學(xué)習模型可以檢測到語(yǔ)音的認知衰退，即使是在不同的語(yǔ)言（從英語(yǔ)學(xué)習，然后在希臘語(yǔ)中使用）和稍微不同的任務(wù)（不同的圖片）上進(jìn)行訓練。

阿爾茨海默癥在早期階段的檢測是具有挑戰性的，因為其癥狀往往開(kāi)始時(shí)相當微妙，并可能與晚年的典型記憶相關(guān)問(wèn)題相混淆。

研究人員指出，盡管不能替代專(zhuān)業(yè)醫療診斷，但該模型將為醫療服務(wù)提供有效支持，越早發(fā)現潛在問(wèn)題，患者就能越早開(kāi)始采取行動(dòng)。

參與創(chuàng )建該模型的計算科學(xué)系教授Eleni Stroulia表示，患者甚至可以通過(guò)智能手機進(jìn)行訪(fǎng)問(wèn)該模型：

以前，你需要進(jìn)行實(shí)驗室工作和醫學(xué)成像來(lái)檢測腦部變化；這需要時(shí)間，費用高昂，并且沒(méi)有人會(huì )在如此早期進(jìn)行測試。

如果你使用手機來(lái)獲得早期指標，這將為患者向醫生提供信息。這有可能盡早開(kāi)始治療，并且我們甚至可以通過(guò)移動(dòng)設備在家中進(jìn)行簡(jiǎn)單干預，以減緩病情的進(jìn)展。

該論文的另一作者Russell Greiner做出進(jìn)一步解釋?zhuān)?/p>

一個(gè)人將聲音輸入工具，它進(jìn)行分析并作出預測：是，這個(gè)人患有阿爾茨海默病，還是否。

然后工具可以將這些信息帶給醫療專(zhuān)業(yè)人員，以確定對這個(gè)人的最佳行動(dòng)方案。

Greiner和Stroulia都是阿爾伯塔大學(xué)計算科學(xué)系計算精神經(jīng)科學(xué)研究小組的成員，他們已經(jīng)開(kāi)發(fā)了類(lèi)似的人工智能模型和工具，用于檢測創(chuàng )傷后應激障礙、精神分裂癥、抑郁癥和躁郁癥等精神障礙。

從語(yǔ)言檢測到語(yǔ)音檢測

該研究小組表示，他們此前研究過(guò)阿爾茲海默病患者的語(yǔ)言使用，但對語(yǔ)音特征的研究可以跨越語(yǔ)言。

Stroulia表示：

原始工作涉及聽(tīng)說(shuō)的內容，理解他們所說(shuō)的意思。這是一個(gè)較容易解決的計算問(wèn)題?，F在我們說(shuō)，聆聽(tīng)他們的聲音。人們說(shuō)話(huà)的方式中有一些超越語(yǔ)言的屬性。

這比我們之前解決的問(wèn)題版本要強大得多。

他們從阿爾茨海默病患者中常見(jiàn)的語(yǔ)音特征開(kāi)始切入，這些患者往往說(shuō)話(huà)較慢，語(yǔ)音中有更多的停頓或中斷。他們通常使用較短的詞，并且語(yǔ)音的可理解性通常較低。

之后，他們找到了將這些特征轉化為模型可篩查的語(yǔ)音特征的方法。

雖然這份研究關(guān)注的是使用英語(yǔ)和希臘語(yǔ)的人，但該論文第一作者Zehra Shah表示，這項技術(shù)有潛力在不同語(yǔ)言中使用。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：