AI+醫(yī)學(xué)，帶來了最新突破結(jié)果。

本月早些時候，加拿大阿爾伯塔大學(xué)計算機科學(xué)系的Zehra Shah、Shi-Ang Qi等人發(fā)表了一篇圍繞“使用特定的聲學(xué)特征檢測早期阿爾茲海默癥”的論文，旨在通過聲學(xué)語音特征結(jié)合機器學(xué)習(xí)模型來檢測患者的認知能力下降程度。

結(jié)果顯示，研究人員開發(fā)的模型能夠以70%至75%的準確率區(qū)分阿爾茨海默病患者和健康對照組：

(資料圖片僅供參考)

總的來說，我們的結(jié)果表明，機器學(xué)習(xí)模型可以檢測到語音的認知衰退，即使是在不同的語言（從英語學(xué)習(xí)，然后在希臘語中使用）和稍微不同的任務(wù)（不同的圖片）上進行訓(xùn)練。

阿爾茨海默癥在早期階段的檢測是具有挑戰(zhàn)性的，因為其癥狀往往開始時相當(dāng)微妙，并可能與晚年的典型記憶相關(guān)問題相混淆。

研究人員指出，盡管不能替代專業(yè)醫(yī)療診斷，但該模型將為醫(yī)療服務(wù)提供有效支持，越早發(fā)現(xiàn)潛在問題，患者就能越早開始采取行動。

參與創(chuàng)建該模型的計算科學(xué)系教授Eleni Stroulia表示，患者甚至可以通過智能手機進行訪問該模型：

以前，你需要進行實驗室工作和醫(yī)學(xué)成像來檢測腦部變化；這需要時間，費用高昂，并且沒有人會在如此早期進行測試。

如果你使用手機來獲得早期指標，這將為患者向醫(yī)生提供信息。這有可能盡早開始治療，并且我們甚至可以通過移動設(shè)備在家中進行簡單干預(yù)，以減緩病情的進展。

該論文的另一作者Russell Greiner做出進一步解釋：

一個人將聲音輸入工具，它進行分析并作出預(yù)測：是，這個人患有阿爾茨海默病，還是否。

然后工具可以將這些信息帶給醫(yī)療專業(yè)人員，以確定對這個人的最佳行動方案。

Greiner和Stroulia都是阿爾伯塔大學(xué)計算科學(xué)系計算精神經(jīng)科學(xué)研究小組的成員，他們已經(jīng)開發(fā)了類似的人工智能模型和工具，用于檢測創(chuàng)傷后應(yīng)激障礙、精神分裂癥、抑郁癥和躁郁癥等精神障礙。

從語言檢測到語音檢測

該研究小組表示，他們此前研究過阿爾茲海默病患者的語言使用，但對語音特征的研究可以跨越語言。

Stroulia表示：

原始工作涉及聽說的內(nèi)容，理解他們所說的意思。這是一個較容易解決的計算問題?，F(xiàn)在我們說，聆聽他們的聲音。人們說話的方式中有一些超越語言的屬性。

這比我們之前解決的問題版本要強大得多。

他們從阿爾茨海默病患者中常見的語音特征開始切入，這些患者往往說話較慢，語音中有更多的停頓或中斷。他們通常使用較短的詞，并且語音的可理解性通常較低。

之后，他們找到了將這些特征轉(zhuǎn)化為模型可篩查的語音特征的方法。

雖然這份研究關(guān)注的是使用英語和希臘語的人，但該論文第一作者Zehra Shah表示，這項技術(shù)有潛力在不同語言中使用。

風(fēng)險提示及免責(zé)條款 市場有風(fēng)險，投資需謹慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負。

關(guān)鍵詞：