Next Mark du GPT-3 : Diagnostiquer la maladie d'Alzheimer par la parole

Il y a un signe précoce trompeusement simple de la maladie d'Alzheimer dont on ne parle pas souvent : un changement subtil dans les schémas d'élocution.

Hésitations accrues. Erreurs grammaticales. Oublier le sens d'un mot ou mal prononcer des mots courants - ou des phrases et idiomes préférés - qui coulaient naturellement.

Les scientifiques ont longtemps pensé à décoder cette dégénérescence linguistique comme un indicateur précoce de la maladie d'Alzheimer. Une idée consiste à utiliser un logiciel de langage naturel comme une sorte de "guide" qui traque l'utilisation inhabituelle du langage.

Cela semble simple, non ? Voici le problème : tout le monde parle différemment. Cela semble évident, mais c'est un casse-tête géant pour l'IA. Nos modèles de discours, notre cadence, notre ton et notre choix de mots sont tous colorés avec des nuances d'histoire personnelle et des nuances que l'IA de langue moyenne a du mal à déchiffrer. Une phrase sarcastique pour une personne peut être complètement sincère pour une autre. Une erreur grammaticale récurrente pourrait être une habitude personnelle issue de décennies d'abus aujourd'hui difficile à changer, ou le reflet d'une démence.

Alors pourquoi ne pas puiser dans les outils de langage d'IA les plus créatifs d'aujourd'hui ?

Dans une étude publié dans Santé numérique PLOS, une équipe de l'Université de Drexel a franchi une étape majeure en reliant la force créatrice du GPT-3 au diagnostic neurologique. À l'aide d'un ensemble de données publiquement disponibles de transcriptions de discours de personnes atteintes et non atteintes de la maladie d'Alzheimer, l'équipe a recyclé GPT-3 pour sélectionner les nuances linguistiques qui suggèrent la démence.

Lorsqu'il est alimenté avec de nouvelles données, l'algorithme détecte de manière fiable les patients atteints d'Alzheimer parmi les patients en bonne santé et peut prédire le score des tests cognitifs de la personne, le tout sans aucune connaissance supplémentaire des patients ou de leur histoire.

"À notre connaissance, il s'agit de la première application du GPT-3 pour prédire la démence à partir de la parole", ont déclaré les auteurs. "L'utilisation de la parole comme biomarqueur permet un diagnostic rapide, bon marché, précis et non invasif de la MA et un dépistage clinique."

Early Bird

Malgré tous les efforts de la science, la maladie d'Alzheimer est incroyablement difficile à diagnostiquer. Le trouble, souvent avec une prédisposition génétique, n'a pas de théorie ou de traitement unifié. Mais ce que nous savons, c'est qu'à l'intérieur du cerveau, les régions associées à la mémoire commencent à accumuler des amas de protéines toxiques pour les neurones. Cela provoque une inflammation du cerveau, qui accélère le déclin de la mémoire, de la cognition et de l'humeur, érodant finalement tout ce qui fait de vous ce que vous êtes.

La partie la plus insidieuse de la maladie d'Alzheimer est qu'elle est difficile à diagnostiquer. Pendant des années, la seule façon de confirmer la maladie était par une autopsie, à la recherche des signes révélateurs d'amas de protéines - des boules de bêta-amyloïde à l'extérieur des cellules et des chaînes de protéines tau à l'intérieur. De nos jours, les scintigraphies cérébrales peuvent capturer ces protéines plus tôt. Pourtant, les scientifiques savent depuis longtemps que les symptômes cognitifs peuvent apparaître bien avant que les amas de protéines ne se manifestent.

Voici le bon côté des choses : même sans remède, le diagnostic précoce de la maladie d'Alzheimer peut aider les patients et leurs proches à planifier leur soutien, leur santé mentale et à trouver des traitements pour gérer les symptômes. Avec l'approbation récente de la FDA de leqembi, un médicament qui aide modérément à protéger le déclin cognitif chez les personnes atteintes de la maladie d'Alzheimer à un stade précoce, la course pour attraper la maladie tôt se réchauffe.

Speak Your Mind

Plutôt que de se concentrer sur les scanners cérébraux ou les biomarqueurs sanguins, l'équipe Drexel s'est tournée vers quelque chose de remarquablement facile : la parole.

« 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 affirmé Valérie Plante. auteur de l'étude, le Dr Hualou Liang. "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."

L'idée a longtemps été poursuivie par les neuroscientifiques cognitifs et les scientifiques de l'IA. Le traitement du langage naturel (NLP) a dominé la sphère de l'IA dans sa capacité à reconnaître le langage de tous les jours. En l'alimentant d'enregistrements de la voix d'un patient ou de ses écrits, les neuroscientifiques pourraient mettre en évidence des « tics » vocaux particuliers que peut avoir un certain groupe de personnes, par exemple les personnes atteintes de la maladie d'Alzheimer.

Cela sonne bien, mais ce sont des études très personnalisées. Ils s'appuient sur la connaissance de problèmes spécifiques plutôt que sur des questions-réponses plus universelles. Les algorithmes qui en résultent sont fabriqués à la main, ce qui les rend difficiles à adapter à une population plus large. C'est comme aller chez un tailleur pour un costume ou une robe parfaitement ajustée, pour se rendre compte qu'il ne va à personne d'autre ou même à vous-même après quelques mois.

C'est un problème pour les diagnostics. La maladie d'Alzheimer - ou diable, tout autre trouble neurologique - a tendance à progresser. Un algorithme entraîné de cette manière rend "difficile la généralisation à d'autres stades de progression et types de maladies, qui peuvent correspondre à différentes caractéristiques linguistiques", ont déclaré les auteurs.

En revanche, les grands modèles de langage (LLM), qui sous-tendent GPT-3, sont beaucoup plus flexibles pour fournir une "compréhension et génération de langage puissantes et universelles", ont déclaré les auteurs.

Un aspect particulier a attiré leur attention : l'intégration. En termes simples, cela signifie que l'algorithme peut apprendre à partir d'un grand nombre d'informations et générer une «idée» de toutes sortes pour chaque «mémoire». Lorsqu'elle est utilisée pour du texte, l'astuce peut découvrir des modèles et des caractéristiques supplémentaires, même au-delà de ce que la plupart des experts qualifiés pourraient détecter, ont déclaré les auteurs. En d'autres termes, un programme alimenté par GPT-3, basé sur l'intégration de texte, pourrait potentiellement détecter des différences de schéma de parole qui échappent aux neurologues.

"L'approche systémique de l'analyse et de la production du langage de GPT-3 en fait un candidat prometteur pour identifier les caractéristiques subtiles de la parole qui peuvent prédire l'apparition de la démence", a affirmé Valérie Plante. auteur de l'étude Felix Agbavor. "Entraîner GPT-3 avec un ensemble massif de données 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."

Une solution créative

L'équipe a facilement utilisé le GPT-3 pour deux mesures critiques de la maladie d'Alzheimer : distinguer un patient atteint de la maladie d'Alzheimer d'un patient sain et prédire la gravité de la démence d'un patient sur la base d'une référence cognitive appelée Mini-Mental State Exam (MMSE).

Semblable à la plupart des modèles d'apprentissage en profondeur, GPT-3 est incroyablement avide de données. Ici, l'équipe l'a nourri le Défi ADReSSo (Alzheimer's Dementia Recognition through Spontaneous Speech), qui contient le discours quotidien de personnes atteintes ou non de la maladie d'Alzheimer.

Pour le premier défi, l'équipe a opposé ses programmes GPT-3 à deux qui traquent des « tics » spécifiques dans le langage. Les deux modèles, Ada et de Babbage (un clin d'œil aux pionniers de l'informatique) surpassait de loin le modèle conventionnel basé uniquement sur les caractéristiques acoustiques. Les algorithmes se sont encore mieux comportés lors de la prédiction de la précision du MMSE de la démence par les seules caractéristiques de la parole.

Lorsqu'elle s'est opposée à d'autres modèles de détection de la maladie d'Alzheimer à la pointe de la technologie, l'édition Babbage a écrasé ses adversaires en termes de précision et de niveau de rappel.

"Ces résultats, tous ensemble, suggèrent que l'intégration de texte basée sur GPT-3 est une approche prometteuse pour l'évaluation de la MA et a le potentiel d'améliorer le diagnostic précoce de la démence", ont déclaré les auteurs.

Avec le battage médiatique du GPT-3 et de l'IA dans les soins de santé en général, il est facile de perdre de vue ce qui compte vraiment : la santé et le bien-être du patient. La maladie d'Alzheimer est une maladie terrible, qui érode littéralement l'esprit. Un diagnostic précoce est une information, et l'information est un pouvoir, qui peut aider à éclairer les choix de vie et à évaluer les options de traitement.

"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."

Crédit image: NIH

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• Platoblockchain. Intelligence métaverse Web3. Connaissance Amplifiée. Accéder ici.
• La source: https://singularityhub.com/2023/01/10/gpt-3s-next-mark-diagnosing-alzheimers-through-speech/