人工智能可以帮助使用语言尽早预测阿尔茨海默氏病
语言学是一种语言科学研究，是否可以使用人工智能(AI)来检测阿尔茨海默氏病(AD)的早期征兆? IBM Research和Pfizer的科学家创建了一种新颖的机器学习模型，该模型可以基于语言学帮助诊断之前预测阿尔茨海默氏病的发病率，并将结果发表在《 EMlinicalMedicine》上.柳叶刀.
“结果表明，自然主义探针的语言表现在临床诊断为障碍之前就暴露出了发展为AD的细微早期迹象，"科学家报道.
迫切需要廉价，准确的标记物，以及早发现阿尔茨海默氏病，这是一种无法治愈的致命疾病.根据阿尔茨海默氏病协会 2020年事实和数据报告，阿尔茨海默氏病影响着约580万美国人，其中三分之二是女性.根据同一份报告，到2050年，约有1400万美国人将患有阿尔茨海默氏病，估计费用将达到1.1万亿美元.
IBM Research和Pfizer的研究人员证明了机器学习模型强大的预测能力的概念证明，该模型使用语言学作为早期发现阿尔茨海默氏病的标志物.研究人员写道:“诊断轻度AD的平均时间为7.59年."
语言学包括心理语言学(语言心理学)，含义(语义学，语用学)，结构(句法，形态学)，声音(语音学，语音学)和历史语言学(随着时间的推移对语言的研究)的子领域.在这项研究中，研究人员研究了与心理语言学，详细程度，词汇丰富性，重复性，标点符号，拼写，单词序列以及语法和语义复杂性有关的语言变量.
训练机器学习算法需要数据.这项研究与众不同的是，机器学习算法使用从认知健康个体收集的数据来预测阿尔茨海默氏病的未来发作.
Melissa Naylor，Guillermo Cecchi，Mar Santamaria，Sachin Mathur和Elif Eyigoz的研究团队为他们的AI模型提取了87个语言变量.他们从对神经心理学测试的书面答复中提取了语言元素.具体来说，研究人员使用了Framingham心脏研究(FHS)的一项早期干预试验的筛选阶段的变量，该试验是一项始于1948年的大型队列纵向研究.参加Framingham心脏研究的参与者接受了神经心理学测试，包括带有Cookie盗窃图片描述任务的波士顿失语症诊断考试.波士顿失语症诊断考试是一种广泛使用的认知测验，用于评估失语症，这种失语症会损害言语和沟通能力，而且痴呆症的患病率也越来越高.
Framingham心脏研究的1,200多名参与者中，约有480人接受了痴呆症状态评估小组的审查.来自该池的80位参与者用于测试数据.其中有40名参与者在85岁之前出现了阿尔茨海默氏病症状，而其他参与者则没有.测试数据集中的所有样本都是在认知正常期间收集的.
使用语言变量时，机器学习模型可以预测70％的阿尔茨海默氏病.研究人员写道:“我们的结果表明，可以使用从认知正常个体获得的语言样本来预测阿尔茨海默氏病的未来发作."
研究人员还使用非语言变量以及语言和非语言变量的组合进行了预测性实验.非语言变量包括性别，年龄，文化程度，糖尿病，高血压，APOE E4等位基因(载脂蛋白E4)和神经心理学测试(NP).载脂蛋白E4与65岁以后患阿尔茨海默氏症的风险增加有关.
“此外，我们表明，使用单次执行cookie盗窃图片描述任务的语言变量比结合了APOE，人口统计学变量和NP测试结果的预测模型的效果要好."换句话说，仅语言的机器学习模型的预测能力优于单独的非语言变量以及优于语言和非语言特征的组合.
目前，阿尔茨海默氏病的诊断生物标记物通常涉及繁琐且耗时的医学检查.例如，AD的诊断测试可能包括磁共振成像(MRI)或正电子发射断层扫描(PET)扫描，以及脑脊髓液或血液的侵入性抽吸.利用这种利用机器学习的预测能力的创新方法，科学家为基于语言学的非侵入性，易于管理的诊断测试的可能性打开了大门，以便将来对阿尔茨海默氏病进行早期检测.
版权所有©2020 Cami Rosso保留所有权利.
