A Próxima Marca do GPT-3: Diagnosticar a Doença de Alzheimer Através da Fala

Há um sinal precoce enganosamente simples da doença de Alzheimer sobre o qual não se fala muito: uma mudança sutil nos padrões de fala.

Aumento da hesitação. Erros gramaticais. Esquecer o significado de uma palavra ou pronunciar incorretamente palavras comuns - ou frases e expressões favoritas - que costumavam fluir naturalmente.

Os cientistas há muito pensam em decodificar essa degeneração linguística como um indicador precoce da doença de Alzheimer. Uma ideia é usar o software de linguagem natural como uma espécie de “guia” que caça o uso incomum da linguagem.

Parece simples, certo? Aqui está o problema: todo mundo fala de maneira diferente. Parece óbvio, mas é uma grande dor de cabeça para a IA. Nossos padrões de fala, cadência, tom e escolha de palavras são todos coloridos com tons de história pessoal e nuances que a IA de linguagem comum luta para decifrar. Uma frase sarcástica para uma pessoa pode ser totalmente sincera para outra. Um erro gramatical recorrente pode ser um hábito pessoal de décadas de uso indevido agora difícil de mudar - ou um reflexo da demência.

Então, por que não aproveitar as ferramentas de linguagem AI mais criativas hoje?

Num estudo publicado em Saúde Digital PLOS, uma equipe da Drexel University deu um grande passo ao unir a força criativa do GPT-3 com o diagnóstico neurológico. Usando um conjunto de dados publicamente disponível de transcrições de fala de pessoas com e sem Alzheimer, a equipe retreinou o GPT-3 para identificar nuances linguísticas que sugerem demência.

Quando alimentado com novos dados, o algoritmo detectou de forma confiável os pacientes com Alzheimer dos saudáveis ​​e pôde prever a pontuação do teste cognitivo da pessoa - tudo sem nenhum conhecimento adicional dos pacientes ou de sua história.

“Até onde sabemos, esta é a primeira aplicação do GPT-3 para prever a demência da fala”, disseram os autores. “O uso da fala como um biomarcador fornece diagnóstico rápido, barato, preciso e não invasivo de DA e triagem clínica”.

Madrugador

Apesar dos melhores esforços da ciência, o Alzheimer é incrivelmente difícil de diagnosticar. O distúrbio, muitas vezes com disposição genética, não possui uma teoria ou tratamento unificado. Mas o que sabemos é que dentro do cérebro, regiões associadas à memória começam a acumular aglomerados de proteínas que são tóxicas para os neurônios. Isso causa inflamação no cérebro, que acelera o declínio da memória, cognição e humor, acabando por corroer tudo o que faz de você quem você é.

A parte mais insidiosa do Alzheimer é que é difícil de diagnosticar. Durante anos, a única maneira de confirmar o distúrbio era por meio de uma autópsia, procurando sinais reveladores de aglomerados de proteínas – bolas de beta-amilóide fora das células e cadeias de proteínas tau dentro. Hoje em dia, as varreduras cerebrais podem capturar essas proteínas mais cedo. No entanto, os cientistas sabem há muito tempo que os sintomas cognitivos podem surgir muito antes que os aglomerados de proteínas se manifestem.

Aqui está o lado positivo: mesmo sem cura, o diagnóstico precoce da doença de Alzheimer pode ajudar os pacientes e seus entes queridos a fazer planos sobre apoio, saúde mental e encontrar tratamentos para controlar os sintomas. Com a recente aprovação do FDA de leqembi, uma droga que ajuda moderadamente a proteger o declínio cognitivo em pessoas com Alzheimer em estágio inicial, a corrida para detectar a doença precocemente está esquentando.

Speak Your Mind

Em vez de se concentrar em exames cerebrais ou biomarcadores de sangue, a equipe Drexel voltou-se para algo notavelmente fácil: a fala.

“Sabemos por pesquisas em andamento que os efeitos cognitivos da doença de Alzheimer podem se manifestar na produção da linguagem”, disse. dito autor do estudo Dr. Hualou Liang. “Os testes mais usados ​​para a detecção precoce do Alzheimer analisam características acústicas, como pausas, articulação e qualidade vocal, além de testes de cognição.”

A ideia tem sido perseguida por neurocientistas cognitivos e cientistas de IA. O Processamento de Linguagem Natural (PNL) dominou a esfera da IA ​​em sua capacidade de reconhecer a linguagem cotidiana. Ao alimentá-lo com gravações da voz de um paciente ou de seus escritos, os neurocientistas poderiam destacar “tiques” vocais específicos que um determinado grupo de pessoas pode ter – por exemplo, aqueles com Alzheimer.

Parece ótimo, mas esses são estudos fortemente adaptados. Eles confiam no conhecimento de problemas específicos, em vez de perguntas e respostas mais universais. Os algoritmos resultantes são feitos à mão, tornando-os difíceis de escalar para uma população mais ampla. É como ir a um alfaiate para um terno ou vestido perfeitamente ajustado, apenas para perceber que não serve em mais ninguém ou mesmo em você depois de alguns meses.

Isso é um problema para os diagnósticos. A doença de Alzheimer - ou qualquer outro distúrbio neurológico - tende a progredir. Um algoritmo treinado dessa maneira torna “difícil generalizar para outros estágios de progressão e tipos de doenças, que podem corresponder a diferentes características linguísticas”, disseram os autores.

Em contraste, os modelos de linguagem grandes (LLMs), que fundamentam o GPT-3, são muito mais flexíveis para fornecer uma “compreensão e geração de linguagem poderosa e universal”, disseram os autores.

Um aspecto em particular chamou a atenção: a incorporação. Simplificando, significa que o algoritmo pode aprender com um grande poço de informações e gerar uma espécie de “ideia” para cada “memória”. Quando usado para texto, o truque pode revelar padrões e características adicionais, mesmo além do que a maioria dos especialistas treinados poderia detectar, disseram os autores. Em outras palavras, um programa movido a GPT-3, baseado na incorporação de texto, poderia potencialmente detectar diferenças no padrão de fala que escapam aos neurologistas.

“A abordagem sistêmica do GPT-3 para análise e produção de linguagem torna-o um candidato promissor para identificar as características sutis da fala que podem prever o início da demência,” dito autor do estudo, Felix Agbavor. “Treinar o GPT-3 com um enorme conjunto de dados de entrevistas – algumas das quais com pacientes com Alzheimer – forneceria as informações necessárias para extrair padrões de fala que poderiam ser aplicados para identificar marcadores em futuros pacientes”.

Uma solução criativa

A equipe prontamente usou o GPT-3 para duas medidas críticas da doença de Alzheimer: discernir um paciente com Alzheimer de um saudável e prever a gravidade da demência de um paciente com base em uma referência para cognição apelidada de Mini-Mental State Exam (MMSE).

Semelhante à maioria dos modelos de aprendizado profundo, o GPT-3 é incrivelmente faminto por dados. Aqui, a equipe alimentou o Desafio ADReSSo (Alzheimer's Dementia Recognition through Spontaneous Speech), que contém a fala cotidiana de pessoas com e sem Alzheimer.

Para o primeiro desafio, a equipe colocou seus programas GPT-3 contra dois que caçam “tiques” específicos na linguagem. Ambos os modelos, Ada e Babbage (um aceno para os pioneiros da computação) superou em muito o modelo convencional baseado apenas em recursos acústicos. Os algoritmos se saíram ainda melhor ao prever a precisão da demência MMSE apenas pelos recursos da fala.

Quando confrontada com outros modelos de detecção de Alzheimer de última geração, a edição de Babbage esmagou os oponentes em termos de precisão e nível de recuperação.

“Esses resultados, todos juntos, sugerem que a incorporação de texto baseada em GPT-3 é uma abordagem promissora para avaliação de DA e tem o potencial de melhorar o diagnóstico precoce de demência”, disseram os autores.

Com o hype do GPT-3 e da IA ​​na área da saúde em geral, é fácil perder de vista o que realmente importa: a saúde e o bem-estar do paciente. A doença de Alzheimer é uma doença terrível, que literalmente corrói a mente. Um diagnóstico precoce é informação, e informação é poder – o que pode ajudar a informar as escolhas de vida e avaliar as opções de tratamento.

“Nossa prova de conceito mostra que esta pode ser uma ferramenta simples, acessível e adequadamente sensível para testes baseados na comunidade”, disse Liang. “Isso pode ser muito útil para triagem precoce e avaliação de risco antes de um diagnóstico clínico”.

Crédito de imagem: NIH

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
• Fonte: https://singularityhub.com/2023/01/10/gpt-3s-next-mark-diagnosing-alzheimers-through-speech/