این مطالعه یک سیستم هوش مصنوعی پیشرفته را برای تشخیص و ارزیابی بیماری آلزایمر (AD) از طریق ضبط صدای بیماران ارائه می‌دهد. روش‌های سنتی تشخیص آلزایمر، مانند تصویربرداری از مغز، آزمایش‌های شناختی و بررسی‌های آزمایشگاهی، معمولاً هزینه‌بر، تهاجمی و به سختی در دسترس هستند. سیستم هوش مصنوعی پیشنهادی، یک روش غیرتهاجمی، کم‌هزینه و کارآمد را ارائه می‌دهد که می‌تواند برای تشخیص زودهنگام و کنترل مداوم آلزایمر مورد استفاده قرار گیرد.
مدل هوش مصنوعی و روش‌شناسی
این سیستم بر اساس مدل data2vec ساخته شده است، که یک مدل یادگیری عمیق خودنظارتی (self-supervised deep learning model) است و ویژگی‌های گفتاری را مستقیماً از صدای خام استخراج می‌کند. برخلاف مدل‌های قبلی که نیاز به رونویسی دستی یا تحلیل زبانی داشتند، data2vec بدون نیاز به پردازش اضافی، مستقیماً روی داده‌های صوتی کار می‌کند.
این مدل ابتدا با استفاده از مجموعه داده های حاصل از ADReSSo (که شامل نمونه‌های گفتاری افراد مبتلا به آلزایمر و افراد سالم است)آموزش و اعتبارسنجی داخلی شده و سپس با مجموعه داده DementiaBank به صورت خارجی آزمایش شده است تا قابلیت تعمیم آن بررسی شود.
سیستم هوش مصنوعی دو وظیفه اصلی را انجام می‌دهد:
تشخیص آلزایمر – تعیین اینکه آیا فرد مبتلا به آلزایمر هست یا خیر، تنها بر اساس ضبط صدا.
پیش‌بینی شدت بیماری – تخمین امتیاز MMSE (آزمون وضعیت شناختی ذهنی) که یک معیار استاندارد برای سنجش عملکرد شناختی است.
یافته‌های کلیدی
دقت بالا: مدل در داده‌های داخلی به امتیازAUC برابر با 0.846 و در ارزیابی خارجی به AUC برابر با 0.835 دست یافت، که نشان‌دهنده دقت بالای پیش‌بینی آن است.
برتری نسبت به روش‌های سنتی: در مقایسه با روش‌های قبلی که بر اساس ویژگی‌های آکوستیکی دست‌ساز یا مدل‌های زبانی عمل می‌کردند، مدل data2vec دقت بیشتری را تنها با استفاده از داده‌های صوتی خام ارائه داد.
قابل استفاده در محیط‌های واقعی: این سیستم برای غربالگری زودهنگام در محیط‌های عمومی و مراکز درمان از راه دور مناسب است و می‌توان آن را در برنامه‌های موبایل یا سیستم‌های پزشکی از راه دور برای تشخیص و پایش مداوم بیماری ادغام کرد.
نتیجه‌گیری
این مطالعه نشان می‌دهد که تحلیل صوتی مبتنی بر هوش مصنوعی می‌تواند برای تشخیص و ارزیابی آلزایمر مفید باشد. این سیستم با ارائه یک روش غیرتهاجمی، کم‌هزینه و دقیق، می‌تواند تشخیص زودهنگام آلزایمر را تسهیل کند و امکان آزمایش‌های مکرر را بدون نیاز به تجهیزات بالینی گران‌قیمت فراهم آورد. با این حال، برای استفاده گسترده در محیط‌های پزشکی، نیاز به اعتبارسنجی بیشتر، افزایش حجم داده‌ها و بهبود قابلیت تفسیر مدل‌های هوش مصنوعی وجود دارد.
گردآورنده: فرزانه تقی پور
