Un team di ricercatori di intelligenza artificiale di IBM e Pfizer ha sviluppato algoritmi di intelligenza artificiale che possono potenzialmente rilevare i segni della malattia di Alzheimer analizzando la scrittura delle persone e trovando modelli linguistici.
Altri ricercatori di IA hanno sviluppato modelli destinati a prevedere lo sviluppo dell’Alzheimer analizzando le scansioni PETo interpretando i dati dei test clinici. Questi altri modelli sono stati addestrati su dati recenti, ma il modello sviluppato dal team IBM-Pfizer è stato addestrato sui dati del Framingham Heart Study, che include dati su oltre 14.000 persone in tre generazioni e sei decenni. La natura a lungo termine dei dati è importante, poiché se l’intelligenza artificiale è in grado di rilevare in modo affidabile modelli all’interno di grandi popolazioni per lunghi periodi di tempo, i ricercatori potrebbero potenzialmente prevedere la manifestazione dell’Alzheimer anni prima delle attuali tecniche diagnostiche. Inoltre, potrebbe essere un metodo di diagnosi affidabile che non richiede l’uso di tecnologia di scansione o test invasivi, aumentando la gamma di scenari in cui può essere utilizzato.
Secondo Ajay Royyuru, vicepresidente di IBM per la sanità e le scienze della vita, i modelli di intelligenza artificiale sviluppati dal team di ricerca possono funzionare come uno strumento che aiuta i medici a ottenere indizi sul possibile sviluppo dell’Alzheimer prima dei test clinici. I modelli possono essenzialmente funzionare come sistemi di allarme rapido che spingono i medici a perseguire test più estesi.
Per addestrare i modelli di intelligenza artificiale, il team di ricerca ha utilizzato le trascrizioni delle risposte scritte a mano a varie domande. Ai partecipanti al Framingham Heart Study è stato chiesto di descrivere un’immagine di un ambiente usando il loro linguaggio naturale. Le risposte generate dagli intervistati sono state digitalizzate e le trascrizioni sono state inviate agli algoritmi di apprendimento automatico come dati di addestramento. Secondo IBM, i modelli sono stati in grado di cogliere alcune caratteristiche linguistiche correlate allo sviluppo di disturbi neurodegenerativi. I medici hanno scoperto da tempo che un certo uso di parole ripetute, errori di ortografia e una preferenza per frasi semplici rispetto a frasi più complesse può essere indicativo della progressione dell’Alzheimer e i modelli di intelligenza artificiale colpiscono queste stesse caratteristiche.
Secondo i risultati dello studio , il modello principale ha raggiunto un’accuratezza di circa il 70% nel prevedere quale dei partecipanti allo studio originale avrebbe eventualmente sviluppato la malattia di Alzheimer all’età di 85 anni. all’interno dello studio originale. Non hanno realmente previsto eventi futuri. Inoltre, il modello AI è stato addestrato sulla sottosezione più antica della popolazione di Framingham. Questa popolazione era principalmente bianca non ispanica e, di conseguenza, ci sono limiti alla generalizzazione dei risultati per altre etnie e altre popolazioni in tutto il mondo. Anche la dimensione del campione per lo studio era piuttosto piccola, composta da soli 40 individui che hanno sviluppato la demenza e 40 che non lo hanno fatto.
Nonostante queste limitazioni, lo studio ha valore come uno dei primi studi ad analizzare i dati della vita reale su larga scala raccolti per un lungo periodo di tempo. La precisione del modello potrebbe potenzialmente essere aumentata se alcune caratteristiche escluse dallo studio fossero incluse nei dati di addestramento futuri, come la scrittura a mano. Un approccio simile potrebbe essere utilizzato anche con le registrazioni audio del discorso, che include pause che non sono rappresentate in lingua scritta.
Secondo Royyuru, il vantaggio dell’utilizzo di campioni linguistici è che, indipendentemente dal fatto che i campioni siano parlati o scritti, sono metodi non invasivi per accertare le condizioni cognitive delle persone. La raccolta dei dati linguistici può essere eseguita da remoto e in modo relativamente economico sfruttando Internet, sebbene sia importante che siano in atto tutele della privacy e il consenso informato durante la raccolta di tali dati.
Il coautore dello studio e ricercatore per la neuroimaging e la psichiatria computazionale presso IBM, Guillermo Cecchi, ha spiegato a Scientific American che il processo è stato adattato per comprendere anche altre forme di malattia:
“Stiamo sfruttando questa tecnologia per comprendere meglio malattie come la schizofrenia, [la sclerosi laterale amiotrofica] e il morbo di Parkinson e lo stiamo facendo in studi prospettici [che] analizzano campioni di linguaggio parlato, forniti con il consenso di simili test verbali cognitivi. “
