L’intelligenza artificiale che guida ChatGPT può aiutare a rilevare i primi segni della malattia di Alzheimer?
I ricercatori di Drexel usano GPT-3 per individuare gli indicatori di Alzheimer nel linguaggio spontaneo

Predire la demenza dal linguaggio spontaneo utilizzando grandi modelli linguistici

Gli algoritmi di intelligenza artificiale alla base del programma chatbot ChatGPT – che ha attirato l’attenzione per la sua capacità di generare risposte scritte simili a quelle umane ad alcune delle domande più creative – potrebbero un giorno essere in grado di aiutare i medici a rilevare il morbo di Alzheimer nelle sue fasi iniziali. La ricerca della School of Biomedical Engineering, Science and Health Systems della Drexel University ha recentemente dimostrato che il programma GPT-3 di OpenAI può identificare indizi dal linguaggio spontaneo che sono accurati all’80% nel prevedere le prime fasi della demenza.

Riportato sulla rivista PLOS Digital Health , lo studio Drexel è l’ultimo di una serie di sforzi per dimostrare l’efficacia dei programmi di elaborazione del linguaggio naturale per la previsione precoce dell’Alzheimer, sfruttando la ricerca attuale che suggerisce che la compromissione del linguaggio può essere un indicatore precoce di disturbi neurodegenerativi.

Trovare un segno precoce
L’attuale pratica per la diagnosi della malattia di Alzheimer comporta in genere una revisione della storia medica e una lunga serie di valutazioni e test fisici e neurologici. Sebbene non esista ancora una cura per la malattia, individuarla precocemente può offrire ai pazienti più opzioni terapeutiche e di supporto. Poiché la compromissione del linguaggio è un sintomo nel 60-80% dei pazienti con demenza, i ricercatori si sono concentrati su programmi in grado di raccogliere indizi sottili – come esitazione, commettere errori di grammatica e pronuncia e dimenticare il significato delle parole – come test rapido che potrebbe indicare se un paziente debba o meno sottoporsi a un esame completo.

“Sappiamo dalla ricerca in corso che gli effetti cognitivi dell’Alzheimer possono manifestarsi nella produzione del linguaggio”, ha affermato Hualou Liang, PhD , professore alla School of Biomedical Engineering, Science and Health Systems di Drexel e coautore della ricerca. “I test più comunemente usati per la diagnosi precoce dell’Alzheimer esaminano le caratteristiche acustiche, come le pause, l’articolazione e la qualità vocale, oltre ai test cognitivi. Ma crediamo che il miglioramento dei programmi di elaborazione del linguaggio naturale fornisca un altro percorso per supportare l’identificazione precoce dell’Alzheimer”.

Un programma che ascolta e impara
GPT-3, ufficialmente la terza generazione del General Pretrained Transformer (GPT) di OpenAI, utilizza un algoritmo di deep learning, addestrato elaborando vaste quantità di informazioni da Internet, con un’attenzione particolare a come vengono utilizzate le parole e a come viene costruito il linguaggio. Questa formazione gli consente di produrre una risposta simile a quella umana a qualsiasi compito che coinvolga il linguaggio, dalle risposte a semplici domande, alla scrittura di poesie o saggi.

GPT-3 è particolarmente bravo nell'”apprendimento senza dati”, il che significa che può rispondere a domande che normalmente richiederebbero conoscenze esterne che non sono state fornite. Ad esempio, chiedere al programma di scrivere “Cliff’s Notes” di un testo, normalmente richiederebbe una spiegazione che questo significa un riassunto. Ma GPT-3 ha seguito una formazione sufficiente per comprendere il riferimento e adattarsi per produrre la risposta prevista.

“L’approccio sistemico di GPT3 all’analisi e alla produzione del linguaggio lo rende un candidato promettente per identificare le sottili caratteristiche del linguaggio che possono predire l’insorgenza della demenza”, ha affermato Felix Agbavor, ricercatore di dottorato presso la Scuola e autore principale dell’articolo. “Addestrare GPT-3 con un enorme set di dati di interviste, alcune delle quali con malati di Alzheimer, gli fornirebbe le informazioni di cui ha bisogno per estrarre modelli di discorso che potrebbero poi essere applicati per identificare marcatori in futuri pazienti”.

Ricerca di segnali vocali
I ricercatori hanno testato la loro teoria addestrando il programma con una serie di trascrizioni da una parte di un set di dati di registrazioni vocali compilato con il supporto del National Institutes of Health specificamente allo scopo di testare la capacità dei programmi di elaborazione del linguaggio naturale di prevedere la demenza. Il programma ha catturato caratteristiche significative dell’uso delle parole, della struttura della frase e del significato dal testo per produrre quello che i ricercatori chiamano un “incorporamento” – un profilo caratteristico del discorso dell’Alzheimer.

Hanno quindi utilizzato l’incorporamento per riaddestrare il programma, trasformandolo in una macchina per lo screening dell’Alzheimer. Per testarlo hanno chiesto al programma di rivedere dozzine di trascrizioni dal set di dati e decidere se ognuna fosse stata prodotta o meno da qualcuno che stava sviluppando l’Alzheimer.

Eseguendo due dei migliori programmi di elaborazione del linguaggio naturale allo stesso ritmo, il gruppo ha scoperto che GPT-3 ha ottenuto risultati migliori di entrambi, in termini di identificazione accurata degli esempi di Alzheimer, identificazione di esempi non di Alzheimer e con un minor numero di casi persi rispetto a entrambi i programmi.

Un secondo test ha utilizzato l’analisi testuale di GPT-3 per prevedere il punteggio di vari pazienti dal set di dati su un test comune per prevedere la gravità della demenza, chiamato Mini-Mental State Exam (MMSE).

Il team ha quindi confrontato l’accuratezza della previsione di GPT-3 con quella di un’analisi utilizzando solo le caratteristiche acustiche delle registrazioni, come pause, forza della voce e biascicamento, per prevedere il punteggio MMSE. GPT-3 si è dimostrato quasi il 20% più accurato nella previsione dei punteggi MMSE dei pazienti.

“I nostri risultati dimostrano che l’incorporamento del testo, generato da GPT-3, può essere utilizzato in modo affidabile non solo per rilevare individui con malattia di Alzheimer da controlli sani, ma anche per dedurre il punteggio del test cognitivo del soggetto, entrambi basati esclusivamente su dati vocali”, hanno scritto. . “Dimostriamo inoltre che l’incorporamento del testo supera l’approccio convenzionale basato sulle caratteristiche acustiche e si comporta persino in modo competitivo con modelli ottimizzati. Questi risultati, tutti insieme, suggeriscono che l’incorporamento di testo basato su GPT-3 è un approccio promettente per la valutazione dell’AD e ha il potenziale per migliorare la diagnosi precoce della demenza”.

Continuando la ricerca
Per basarsi su questi risultati promettenti, i ricercatori stanno progettando di sviluppare un’applicazione web che potrebbe essere utilizzata a casa o in uno studio medico come strumento di pre-screening.

“Il nostro proof of concept mostra che questo potrebbe essere uno strumento semplice, accessibile e adeguatamente sensibile per i test basati sulla comunità”, ha affermato Liang. “Questo potrebbe essere molto utile per lo screening precoce e la valutazione del rischio prima di una diagnosi clinica”.

 
 
 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi