Alzheimer hastalığını teşhis etmek çok zaman ve para gerektirir. Klinisyenler uzun süren yüz yüze nöropsikolojik muayeneler yaptıktan sonra, her yanıtı ayrıntılı olarak yazıya dökmek, gözden geçirmek ve analiz etmek zorundadır. Ancak Boston Üniversitesi’ndeki araştırmacılar, bu süreci otomatikleştirebilecek ve nihayetinde çevrimiçi hale getirebilecek yeni bir araç geliştirdiler. Geliştirdikleri makine öğrenimi destekli hesaplama modeli, nöropsikolojik testlerin ses kayıtlarından bilişsel bozukluğu tespit edebiliyor – yüz yüze randevuya gerek yok. Bulgular Alzheimer’s & Dementia dergisinde yayımlandı.
Makalenin yazarlarından ve Mühendislik Fakültesi Seçkin Mühendislik Profesörü Ioannis Paschalidis, “Bu yaklaşım bizi erken müdahaleye bir adım daha yaklaştırıyor” diyor. Paschalidis, Alzheimer’ın daha hızlı ve erken tespitinin, hastalığın erken evrelerindeki bireylere odaklanan ve potansiyel olarak bilişsel gerilemeyi yavaşlatan klinik müdahaleleri mümkün kılan daha büyük klinik deneyleri yönlendirebileceğini söylüyor: “Herkese ulaşabilecek çevrimiçi bir aracın temelini oluşturabilir ve erken tarama yaptıran kişi sayısını artırabilir.”
Araştırma ekibi modellerini, kardiyovasküler hastalıklar ve diğer fizyolojik durumları inceleyen, BU liderliğindeki uzun soluklu bir proje olan Framingham Kalp Çalışması’ndaki 1.000’den fazla kişiden alınan nöropsikolojik görüşmelerin ses kayıtlarını kullanarak eğitti. Otomatik çevrimiçi konuşma tanıma araçlarını – “Hey, Google!”- ve bilgisayarların metni anlamasına yardımcı olan doğal dil işleme adı verilen bir makine öğrenimi tekniğini kullanarak, programlarına görüşmeleri yazıya döktürdüler ve ardından bunları sayılara kodladılar. Demografik veriler, metin kodlamaları ve nörolog ve nöropsikologlardan alınan gerçek teşhisler kullanılarak bir bireyin bilişsel bozukluk olasılığını ve ciddiyetini değerlendirmek için nihai bir model eğitildi.
Paschalidis, modelin yalnızca sağlıklı bireyler ile demanslı bireyler arasında doğru bir ayrım yapmakla kalmadığını, aynı zamanda hafif bilişsel bozukluğu ve demansı olanlar arasındaki farkları da tespit edebildiğini söylüyor. Ve kayıtların kalitesinin ve insanların nasıl konuştuğunun -konuşmalarının akıp gitmesi ya da sürekli duraksaması- söylediklerinin içeriğinden daha az önemli olduğu ortaya çıktı.
Aynı zamanda BU’nun Rafik B. Hariri Bilgisayar ve Hesaplamalı Bilim ve Mühendislik Enstitüsü’nün yeni direktörü olan Paschalidis, “Konuşma akışının veya diğer ses özelliklerinin o kadar da kritik olmaması bizi şaşırttı; röportajları otomatik olarak oldukça iyi bir şekilde yazıya dökebilir ve bilişsel bozukluğu değerlendirmek için yapay zeka aracılığıyla metin analizine güvenebilirsiniz” diyor. Ekibin sonuçlarını diğer veri kaynaklarına göre doğrulaması gerekse de bulgular, araçlarının klinisyenleri sanal veya tele-sağlık randevuları da dahil olmak üzere ses kayıtlarını kullanarak bilişsel bozukluğu teşhis etmede destekleyebileceğini gösteriyor.
Semptom başlangıcından önce tarama
Model ayrıca nöropsikolojik muayenenin hangi bölümlerinin bir bireyin bilişsel bozukluğu olup olmadığını belirlemede diğerlerinden daha önemli olabileceği konusunda da fikir veriyor. Araştırmacıların modeli, yapılan klinik testlere göre muayene dökümlerini farklı bölümlere ayırıyor. Örneğin, klinisyenlerin bireylerden tek bir kelime kullanarak bir resmi etiketlemelerini istedikleri Boston İsimlendirme Testi’nin doğru bir demans teşhisi için en bilgilendirici olduğunu keşfettiler. Paschalidis, “Bu, klinisyenlerin kaynaklarını, semptomlar başlamadan önce bile daha fazla tarama yapmalarına olanak tanıyacak şekilde tahsis etmelerini sağlayabilir” diyor.
Demansın erken teşhisi sadece hastalar ve bakıcıları için tedavi ve destek için etkili bir plan oluşturabilmeleri açısından değil, aynı zamanda Alzheimer hastalığının ilerlemesini yavaşlatacak ve önleyecek tedaviler üzerinde çalışan araştırmacılar için de çok önemlidir. “Paschalidis, “Modellerimiz, klinisyenlerin hastaları bilişsel gerileme olasılıkları açısından değerlendirmelerine yardımcı olabilir ve daha sonra demans olasılığı daha yüksek olanlar üzerinde daha fazla test yaparak kaynakları onlara en iyi şekilde uyarlayabilir” diyor.
Araştırma ekibi, çevrimiçi bir ankete katılacak ve anonim bir bilişsel test gönderecek gönüllüler arıyor – sonuçlar kişiselleştirilmiş bilişsel değerlendirmeler sağlamak için kullanılacak ve ekibin yapay zeka modellerini iyileştirmesine de yardımcı olacak.
Referans; Samad Amini et al, Automated detection of mild cognitive impairment and dementia from voice recordings: A natural language processing approach, Alzheimer’s & Dementia (2022). DOI: 10.1002/alz.12721
Yorum yazabilmek için oturum açmalısınız.