人工智能可以分析语言来帮助诊断老年痴呆症

发布时间：2022-02-07 18:11:23来源：IEEE电气电子工程师

点击蓝字关注我们

SUBSCRIBEtoUS

ISTOCKPHOTO

众所周知，阿尔茨海默病很难诊断。通常情况下，医生使用认知测试、脑成像和行为观察相结合的方法，这些方法既昂贵又耗时。但是，如果在个人的家中轻松采集一个快速的声音样本，即可以帮助识别出阿尔茨海默氏症患者呢？

它的算法使用深度学习分析短语音样本，寻找阿尔兹海默症和其他疾病的迹象。深度学习提供商Syntiant最近宣布与CanarySpeech合作，这将使Canary能通过医疗设备将主要用于医生办公室和医院的技术带入家中。虽然一些研究发现，使用语音和其他类型数据的深度学习技术在实验室环境中对患有阿尔兹海默症和其他疾病的人进行的分类非常准确，但现实世界中的结果可能会有所不同。尽管如此，人工智能和深度学习技术可能成为困难诊断的有用工具。

大多数人认为阿尔茨海默病是最常见的痴呆症，会影响记忆。但研究表明，阿尔茨海默病甚至在疾病的早期阶段，在大多数症状出现之前，就可以影响交谈和语言。虽然人们通常无法察觉这些微妙的影响，但一个根据成千上万有或没有这些条件的人的声音训练的深度学习模型可能能够区分这些差异。

“你感兴趣的是，中枢神经系统告诉你通过创造语言传达的信息是什么？”CanarySpeech的首席执行官兼联合创始人HenryO’Connell说，“这就是我们分析数据集时要做的事情。”

到目前为止，O’Connell表示，该算法一直基于云计算，但Canary与Syntiant的合作允许基于芯片的应用程序，该应用程序速度更快，内存和存储容量更大。这项新技术将被整合到一个可穿戴设备中，用不到一秒钟的时间分析20秒或30秒的语音样本，以判断阿尔茨海默氏症、焦虑症、抑郁症，甚至一般的能量水平。

O’Connell表示，Canary的系统在正确区分阿尔茨海默氏症患者和非阿尔茨海默氏症患者的声音时，准确率约为92.5%。有研究表明，抑郁和焦虑等情况会影响语言，O’Connell说，Canary正在努力测试并提高检测这些情况的算法的准确性。

多伦多大学的计算机科学副教授和WiTrink实验室的副教授FrankRudzicz说，其他基于语音的技术也取得了类似的成功。在2016年的一项研究中，Rudzicz和其他研究人员使用简单的机器学习方法来分析患有和不患有阿尔茨海默氏症的人的语音，准确率约为81%。

Rudzicz说：“通过深度学习，你只需将原始数据提供给这些深度神经网络，然后这些深度神经网络自动生成它们自己的内部表示。”和所有深度学习算法一样，这会产生一个“黑匣子”——这意味着不可能确切知道算法所针对的是语音的哪些方面。他说，通过深入学习，这些算法的准确率已经提高到90%以上。

以前，程序员们在对大脑进行医学成像（如MRI扫描）的同时，也使用了深度学习。在研究中，这些方法中的许多都具有相似的准确度，通常在90%以上。在2021年12月的一项研究中，程序员成功地训练了一种算法，不仅区分认知正常人和阿尔茨海默氏症患者的大脑，而且在轻度认知损害的患者之间进行了区分，在许多情况下，这是阿尔茨海默氏症的早期先兆。区分这些亚型尤其重要，因为不是所有轻度认知障碍的人都会发展成阿尔茨海默氏症。

北卡罗来那大学放射学助理教授EranDayan，2021研究的作者ChapelHill说：“我们希望有一种方法将个体沿着阿尔茨海默病的连续性分层。这些受试者很可能会发展为阿尔茨海默病。”

Dayan表示，尽早识别这些患者可能对有效治疗他们的疾病至关重要。他还说，一般来说，基于扫描的深度学习也有同样高的有效率，至少在实验室进行的分类研究中是如此。他说，这些技术在现实世界中是否同样有效尚不清楚，需要进行更多的研究才能确定。

Dayan说，另一个令人担忧的原因是潜在的偏见问题。最近的研究表明，如果算法训练的数据没有足够的多样性，人工智能可能会隐藏这种偏见。例如，Rudzicz说，一种使用多伦多人的语音样本训练的算法可能在农村地区不起作用。O’Connell说，Canary语音的算法分析语音的非语言元素，它们有其他国家使用的技术版本，如日本和中国，这些国家使用母语人士的数据进行训练。

“我们验证我们的模型，并在该系统、该环境中对其进行性能培训，”他说。

尽管Canary与Syntiant的合作可能使远程实时监控成为可能，但O’Connell个人认为，正式诊断应该来自医生，而这项技术可以成为诊断的另一个工具。Dayan同样对此表示同意。

“人工智能，在未来几年里，我希望能帮助医生，但绝对不是取代他们，”他说。

微信号｜IEEE电气电子工程师

新浪微博｜IEEE中国

·IEEE电气电子工程师学会·

往期推荐

推荐阅读

01-04CHARLESQ.CHOI

01-05IEEETransmitter

01-07NYU

01-11IEEETransmitter