L’IA pilotant ChatGPT peut-elle aider à détecter les premiers signes de la maladie d’Alzheimer ? —

Rapporté dans le journal Santé numérique PLOSl’étude Drexel est la dernière d’une série d’efforts visant à montrer l’efficacité des programmes de traitement du langage naturel pour la prédiction précoce de la maladie d’Alzheimer – en tirant parti des recherches actuelles suggérant que les troubles du langage peuvent être un indicateur précoce des troubles neurodégénératifs.

Trouver un signe précoce

La pratique actuelle pour diagnostiquer la maladie d’Alzheimer implique généralement un examen des antécédents médicaux et une longue série d’évaluations et de tests physiques et neurologiques. Bien qu’il n’existe toujours pas de remède contre la maladie, la détecter tôt peut donner aux patients plus d’options thérapeutiques et de soutien. Étant donné que les troubles du langage sont un symptôme chez 60 à 80 % des patients atteints de démence, les chercheurs se sont concentrés sur des programmes capables de détecter des indices subtils, tels que l’hésitation, les erreurs de grammaire et de prononciation et l’oubli du sens des mots. test qui pourrait indiquer si un patient doit subir ou non un examen complet.

“Nous savons, grâce aux recherches en cours, que les effets cognitifs de la maladie d’Alzheimer peuvent se manifester dans la production du langage”, a déclaré Hualou Liang, PhD, professeur à la Drexel’s School of Biomedical Engineering, Science and Health Systems et co-auteur de la recherche. “Les tests les plus couramment utilisés pour la détection précoce de la maladie d’Alzheimer examinent les caractéristiques acoustiques, telles que la pause, l’articulation et la qualité vocale, en plus des tests de cognition. Mais nous pensons que l’amélioration des programmes de traitement du langage naturel offre une autre voie pour soutenir l’identification précoce de Alzheimer.”

Un programme qui écoute et apprend

GPT-3, officiellement la troisième génération du General Pretrained Transformer (GPT) d’OpenAI, utilise un algorithme d’apprentissage en profondeur – formé en traitant de vastes étendues d’informations provenant d’Internet, avec un accent particulier sur la façon dont les mots sont utilisés et la façon dont le langage est construit . Cette formation lui permet de produire une réponse humaine à toute tâche impliquant le langage, des réponses à des questions simples à l’écriture de poèmes ou d’essais.

GPT-3 est particulièrement efficace pour “l’apprentissage sans données”, ce qui signifie qu’il peut répondre à des questions qui nécessiteraient normalement des connaissances externes qui n’ont pas été fournies. Par exemple, demander au programme d’écrire “Cliff’s Notes” d’un texte, nécessiterait normalement une explication que cela signifie un résumé. Mais GPT-3 a suivi une formation suffisante pour comprendre la référence et s’adapter pour produire la réponse attendue.

“L’approche systémique de GPT3 en matière d’analyse et de production du langage en fait un candidat prometteur pour identifier les caractéristiques subtiles de la parole qui peuvent prédire l’apparition de la démence”, a déclaré Felix Agbavor, chercheur doctorant à l’École et auteur principal de l’article. “Entraîner GPT-3 avec un ensemble de données massif d’entretiens – dont certains concernent des patients atteints de la maladie d’Alzheimer – lui fournirait les informations dont il a besoin pour extraire des modèles de parole qui pourraient ensuite être appliqués pour identifier des marqueurs chez de futurs patients.”

Recherche de signaux vocaux

Les chercheurs ont testé leur théorie en formant le programme avec un ensemble de transcriptions d’une partie d’un ensemble de données d’enregistrements vocaux compilés avec le soutien des National Institutes of Health spécifiquement dans le but de tester la capacité des programmes de traitement du langage naturel à prédire la démence. Le programme a capturé des caractéristiques significatives de l’utilisation des mots, de la structure de la phrase et du sens du texte pour produire ce que les chercheurs appellent une “intégration” – un profil caractéristique du discours d’Alzheimer.

Ils ont ensuite utilisé l’intégration pour recycler le programme, le transformant en une machine de dépistage de la maladie d’Alzheimer. Pour le tester, ils ont demandé au programme d’examiner des dizaines de transcriptions de l’ensemble de données et de décider si chacune avait été produite ou non par une personne qui développait la maladie d’Alzheimer.

Exécutant deux des meilleurs programmes de traitement du langage naturel au même rythme, le groupe a constaté que GPT-3 fonctionnait mieux que les deux, en termes d’identification précise des exemples d’Alzheimer, d’identification des exemples non Alzheimer et avec moins de cas manqués que les deux programmes.

Un deuxième test a utilisé l’analyse textuelle de GPT-3 pour prédire le score de divers patients à partir de l’ensemble de données sur un test commun pour prédire la gravité de la démence, appelé le Mini-Mental State Exam (MMSE).

L’équipe a ensuite comparé la précision de la prédiction du GPT-3 à celle d’une analyse utilisant uniquement les caractéristiques acoustiques des enregistrements, telles que les pauses, la force de la voix et le slurring, pour prédire le score MMSE. Le GPT-3 s’est avéré être près de 20 % plus précis pour prédire les scores MMSE des patients.

“Nos résultats démontrent que l’intégration de texte, générée par GPT-3, peut être utilisée de manière fiable non seulement pour détecter les personnes atteintes de la maladie d’Alzheimer à partir de témoins sains, mais également pour déduire le score des tests cognitifs du sujet, tous deux uniquement basés sur des données vocales”, ont-ils écrit. . “Nous montrons en outre que l’intégration de texte surpasse l’approche conventionnelle basée sur les caractéristiques acoustiques et fonctionne même de manière compétitive avec des modèles affinés. Ces résultats, tous ensemble, suggèrent que l’intégration de texte basée sur GPT-3 est une approche prometteuse pour l’évaluation de la DA et a le potentiel pour améliorer le diagnostic précoce de la démence.”

Continuer la recherche

Pour tirer parti de ces résultats prometteurs, les chercheurs envisagent de développer une application Web qui pourrait être utilisée à la maison ou au cabinet d’un médecin comme outil de présélection.

“Notre preuve de concept montre que cela pourrait être un outil simple, accessible et suffisamment sensible pour les tests communautaires”, a déclaré Liang. “Cela pourrait être très utile pour le dépistage précoce et l’évaluation des risques avant un diagnostic clinique.”