GPT-3 的下一个标志：通过语音诊断阿尔茨海默氏症

阿尔茨海默氏症有一个看似简单的早期征兆却不常被提及：言语模式的细微变化。

增加了犹豫。 语法错误。 忘记一个词的意思，或者发音错误的常用词——或者最喜欢的短语和习语——这些过去是自然而然的。

长期以来，科学家们一直认为将这种语言退化解码为阿尔茨海默氏症的早期指标。 一个想法是使用自然语言软件作为各种“指南”来寻找不寻常的语言使用。

听起来很简单，对吧？ 问题是：每个人说话的方式都不一样。 这看起来很明显，但这对 AI 来说是一个非常头疼的问题。 我们的讲话模式、节奏、语气和用词选择都带有个人历史的阴影和普通语言 AI ​​难以破译的细微差别。 对一个人来说讽刺的一句话对另一个人来说可能是完全真诚的。 反复出现的语法错误可能是几十年滥用的个人习惯，现在很难改变——或者是痴呆症的反映。

那么，为什么不利用当今最具创意的 AI 语言工具呢？

在一项研究中 发表于 PLOS 数字健康，德雷克塞尔大学的一个团队在将 GPT-3 的创造力与神经学诊断联系起来方面迈出了重要一步。 该团队使用来自阿尔茨海默氏症患者和非阿尔茨海默氏症患者的公开语音记录数据集，对 GPT-3 进行了再训练，以找出表明痴呆症的语言细微差别。

当输入新数据时，该算法可以可靠地从健康患者中识别出阿尔茨海默氏症患者，并可以预测该人的认知测试分数——所有这些都不需要对患者或他们的病史有任何额外的了解。

“据我们所知，这是 GPT-3 首次应用于通过言语预测痴呆症，”作者说。 “使用语音作为生物标志物可以提供快速、廉价、准确和非侵入性的 AD 诊断和临床筛查。”

预早登记

尽管科学尽了最大努力，阿尔茨海默氏症仍然难以诊断。 这种疾病通常具有遗传倾向，没有统一的理论或治疗方法。 但我们所知道的是，在大脑内部，与记忆相关的区域开始积累对神经元有毒的蛋白质团块。 这会导致大脑发炎，加速记忆力、认知和情绪的下降，最终侵蚀一切让你成为你的东西。

阿尔茨海默氏症最阴险的部分是它很难诊断。 多年来，确认这种疾病的唯一方法是通过尸检，寻找蛋白质团块的迹象——细胞外的 β 淀粉样蛋白球和细胞内的 tau 蛋白串。 如今，大脑扫描可以更早地捕获这些蛋白质。 然而，科学家们早就知道，认知症状可能会在蛋白质团块出现之前很久就逐渐出现。

这是一线希望：即使没有治愈方法，及早诊断阿尔茨海默氏症也可以帮助患者和他们的亲人制定有关支持、心理健康和寻找治疗方法来控制症状的计划。 随着 FDA 最近批准 勒琴比，一种适度帮助保护早期阿尔茨海默氏症患者认知能力下降的药物，早期发现这种疾病的竞赛正在升温。

说你的心

Drexel 团队没有专注于脑部扫描或血液生物标志物，而是转向了一些非常轻松的事情：语音。

“我们从正在进行的研究中得知，阿尔茨海默病的认知影响可以在语言产生中表现出来，” 说过 研究作者梁华楼博士。 “除认知测试外，最常用的阿尔茨海默病早期检测测试还包括声学特征，例如停顿、发音和声音质量。”

长期以来，认知神经科学家和人工智能科学家一直在追求这个想法。 自然语言处理 (NLP) 凭借其识别日常语言的能力在 AI 领域占据主导地位。 通过向它输入患者的声音或他们的文字记录，神经科学家可以突出特定人群可能具有的特定声音“抽搐”——例如，阿尔茨海默氏症患者。

听起来不错，但这些都是量身定制的研究。 他们依赖于特定问题的知识，而不是更普遍的问答。 由此产生的算法是手工制作的，因此很难扩展到更广泛的人群。 这就像去裁缝店寻找一件合身的西装或裙子，几个月后才发现它不适合任何人，甚至不适合你自己。

这是诊断的问题。 阿尔茨海默氏症——或者哎呀，任何其他神经系统疾病——往往会恶化。 作者说，以这种方式训练的算法“很难推广到可能对应于不同语言特征的其他进展阶段和疾病类型”。

相比之下，作为 GPT-3 基础的大型语言模型 (LLM) 更加灵活，可以提供“强大而通用的语言理解和生成”，作者说。

一个特别的方面引起了他们的注意：嵌入。 简而言之，这意味着该算法可以从大量信息中学习，并为每个“记忆”生成各种“想法”。 作者说，当用于文本时，该技巧可以发现更多的模式和特征，甚至超出大多数训练有素的专家所能检测到的范围。 换句话说，基于文本嵌入的 GPT-3 驱动程序可能会检测到神经学家逃避的语音模式差异。

“GPT-3 的语言分析和生成系统方法使其成为识别可能预测痴呆症发作的微妙语言特征的有前途的候选者，” 说过 研究作者 Felix Agbavor。 “使用大量访谈数据集训练 GPT-3——其中一些是针对阿尔茨海默氏症患者的——将为它提供提取语音模式所需的信息，然后这些语音模式可用于识别未来患者的标记。”

一个创造性的解决方案

该团队很容易将 GPT-3 用于阿尔茨海默氏症的两项关键测量：区分阿尔茨海默氏症患者和健康患者，并根据称为迷你精神状态测试 (MMSE) 的认知基准预测患者的痴呆症严重程度。

与大多数深度学习模型类似，GPT-3 非常渴望数据。 在这里，团队喂它 地址挑战 （通过自发言语识别阿尔茨海默氏痴呆症），其中包含阿尔茨海默氏症患者和非阿尔茨海默氏症患者的日常言语。

对于第一个挑战，该团队将他们的 GPT-3 程序与两个在语言中寻找特定“抽搐”的程序进行了对比。 两种型号， Ada 和 巴贝奇 （向计算先驱致敬）远远优于仅基于声学特征的传统模型。 当仅通过语音特征预测痴呆症 MMSE 的准确性时，这些算法表现得更好。

当与其他最先进的阿尔茨海默氏症检测模型进行较量时，Babbage 版在准确性和召回率方面击败了对手。

“这些结果共同表明，基于 GPT-3 的文本嵌入是一种很有前途的 AD 评估方法，并有可能改善痴呆症的早期诊断，”作者说。

随着 GPT-3 和 AI 在医疗保健领域的大肆宣传，人们很容易忽视真正重要的事情：患者的健康和福祉。 阿尔茨海默氏症是一种可怕的疾病，它会侵蚀人们的思想。 早期诊断就是信息，而信息就是力量——它可以帮助做出人生选择并评估治疗方案。

“我们的概念验证表明，这可能是一种简单、可访问且足够敏感的工具，用于基于社区的测试，”Liang 说。 “这对于临床诊断前的早期筛查和风险评估非常有用。”

图片来源： 美国国立卫生研究院

• SEO 支持的内容和 PR 分发。 今天得到放大。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
• Sumber: https://singularityhub.com/2023/01/10/gpt-3s-next-mark-diagnosing-alzheimers-through-speech/