Search
Study: Prediction of Alzheimer

ניתוח דיבור מנבא את התקדמות אלצהיימר עם דיוק של 78.5%.

במחקר שפורסם לאחרונה ב- Alzheimer's & Dementia, חוקרים פיתחו שיטה לניבוי התקדמות מחלת האלצהיימר (AD).

לימוד: חיזוי של התקדמות מחלת האלצהיימר תוך 6 שנים באמצעות דיבור: גישה חדשה הממנפת מודלים של שפה. קרדיט תמונה: fizkes/Shutterstock.com

רקע כללי

לאנשים עם ליקוי קוגניטיבי קל (MCI) יש סיכון מוגבר ל-AD. לכן, חיזוי מדויק של ההתקדמות מ-MCI ל-AD יכולה לסייע בהחלטות הקשורות לטיפול, בחירה לניסויים של תרופות חדשות והשתתפות בתוכניות שיקום. פתולוגיה של AD הוערכה באופן קונבנציונלי באמצעות טכניקות הדמיה עצבית או סמנים ביולוגיים.

מחקרים שונים העריכו את השיטות (הקונבנציונליות) הללו לחיזוי התקדמות MCI ל-AD. עם זאת, הם יקרים ופולשניים, ומגבילים את תחולתם.

לעומת זאת, מבחנים נוירופסיכולוגיים (NPTs) הם הנגישים ביותר להערכת ירידה קוגניטיבית. נבדקו גישות מבוססות מחשב לחיזוי המרת MCI ל-AD באמצעות NPTs. דיבור ב-NPTs יכול לשמש כדי לחזות ירידה קוגניטיבית.

פותחו מודלים אבחונים מבוססי בינה מלאכותית תוך שימוש במאפיינים אקוסטיים ולשוניים מ-NPT.

מחקר הלב של Framingham (FHS) מקליט NPTs מאז 2005, וההקלטות שימשו לבניית כלי אבחון. בעבר, מחברי המחקר יישמו טכניקות עיבוד שפה טבעית (NLP) בהקלטות כדי למקם אנשים על פני קשת הדמנציה.

לגבי המחקר

במחקר הנוכחי, תוך שימוש בנתוני דיבור, החוקרים פיתחו שיטה לניבוי התקדמות AD תוך שש שנים. ה-FHS עקב אחר קבוצה של 166 אנשים עם תלונות קוגניטיביות. כל אדם עבר NPT בן שעה שהוקלט ומאוחסן בצורה דיגיטלית. מידע חינוך, גורמי סיכון בריאותיים ואפוליפופרוטאין E (APOE) אללים היו זמינים.

המחקר התמקד בהתקדמות MCI-to-AD ולא בהכרה תקינה ל-MCI או AD בגלל התועלת המוגבלת של NPTs בניבוי ירידה קוגניטיבית ללא (סימנים של) הידרדרות קוגניטיבית.

הצוות פיתח כלי לתמלול הקלטות קול בעבודתם הקודמת באופן אוטומטי. כלי זה שימש לתמלול קבצי אודיו של נבדקים. כל משפט סומן בהתאם למבחן המשנה הספציפי.

הטבעות וקטוריות שונות הושגו עבור NPTs על סמך מקטעים ספציפיים של כל תמליל. מקודד המשפטים האוניברסלי, מודל מבוסס למידה עמוקה, יצר הטבעות וקטוריות.

נתוני ההדרכה הוגדלו על ידי דגימה אקראית מתמלילים ליצירת גרסאות מקוצרות, שקודדו לאחר מכן. חוץ מזה, תוכן מבחן משנה קודד בנפרד, ויצר שמונה הטמעות ספציפיות.

מודל רגרסיה לוגיסטית הוכשר על הנתונים הכמותיים הקשורים לכל תוכן מבחן משנה. הטבעות מגרסאות מקוצרות שימשו כקלט עצמאי, ויצרו ציונים מרובים עבור כל תמליל.

ציון ממוצע של תמלול (TAS) נוצר מהציונים המרובים הללו. מודל רגרסיה לוגיסטי של אנסמבל נוצר באמצעות ציוני תת-מבחנים ו-TAS כדי לחזות את הסבירות של MCI להתקדמות AD בתוך שש שנים.

ביצועי המודל הוערכו תוך שימוש בגישת אימות צולב של קבוצות מרובדות. חוץ מזה, בוצע אימות צולב פנימי לבחירת תכונה והפחתת מימד.

מדדי ביצועים כללו את השטח מתחת לעקומת ההפעלה של המקלט (AUC), דיוק, דיוק, רגישות וסגוליות.

ממצאים

מתוך 166 נבדקים עם MCI, 90 התקדמו לדמנציה AD תוך שש שנים. דמנציה AD כללה דמנציה מעורבת וAD עם/בלי שבץ מוחי. הזמן הממוצע עד לספירה היה 2.7 שנים.

נשים מבוגרות עם השכלה נמוכה יותר ואלו הנושאות את האלל APOE ε4 היו בסבירות גבוהה יותר להתקדם ל-AD. חוץ מזה, נקבות שהתקדמו לספירה היו מבוגרות ב-1.4 ​​שנים, בממוצע, מגברים.

המודל המשלב נתונים דמוגרפיים, מצב נשאי APOE, גורמי בריאות ותכונות טקסט (כלומר, מודל NLP) השיג ציון F1 של 79.9% ו-AUC של 78.5%.

הנתונים המקבילים לדגם עם תכונות טקסט בלבד היו 79.4% ו-77.8%, בהתאמה. למודל עם מאפיינים טקסט ודמוגרפיים היה AUC של 77.5% וציון F1 של 79.6%.

למודל עם ציוני NPT בלבד היה ציון F1 של 75.5% ו-AUC של 71.3%. ציוני AUC ו-F1 של המודל עם מאפיינים דמוגרפיים בלבד היו 68.8% ו-71.1%, בהתאמה.

למודל המבוסס על בדיקת מצב מיני-מנטלית היה AUC של 60.7%. המודל עם גורמי בריאות בלבד השיג AUC של 66.2%.

מסקנות

לסיכום, החוקרים המחישו את הפוטנציאל של זיהוי דיבור אוטומטי ו-NLP בחיזוי התקדמות ל-AD בקרב אנשים עם MCI. המודל המוצע חזה התקדמות AD עם רגישות של 81.1, ספציפיות של 75% ודיוק של 78.2%.

גישה זו מאפשרת חיזוי נגיש ולא פולשני מבוסס בינה מלאכותית מבלי לערב בדיקות גנטיות או מעבדה או הדמיה, מה שהופך אותה לאידיאלית להערכות מרחוק.

נדרשים מחקרים נוספים בקנה מידה גדול כדי לאשש את הממצאים הללו ולאמת את יכולת ההכללה שלהם, בהתחשב בכך שהקבוצה הייתה לבנה בעיקרה.

דילוג לתוכן