ستساعدك المقالة التالية: يستخدم باحثو دريكسل نماذج لغوية كبيرة للتنبؤ بالخرف من الكلام التلقائي
فتحت التطورات التقنية الأخيرة عدة بوابات لتطبيق الذكاء الاصطناعي (AI) ، لا سيما في مجال الرعاية الصحية. أحد مجالات البحوث الطبية الحيوية التي يمكن أن تستفيد بشكل كبير من الذكاء الاصطناعي هو مرض الزهايمر (AD). مرض الزهايمر هو حالة دماغية لا يمكن علاجها حاليًا. الطريقة الحالية لتشخيص مرض الزهايمر شاقة للغاية وتستغرق وقتًا طويلاً ، وتستلزم تقييمًا شاملاً للتاريخ الطبي وقائمة طويلة من التقييمات والاختبارات الجسدية والعصبية. غالبًا ما يكون الكلام مؤشرًا رئيسيًا في الكشف عن العلامات المبكرة لمثل هذه الأمراض التنكسية العصبية حيث يعاني 60-80 ٪ من مرضى الخرف من ضعف اللغة. عمل الباحثون بشكل مكثف على استخدام معالجة اللغة الطبيعية (NLP) لتحديد التنبؤات المبكرة بمرض الزهايمر. ومع ذلك ، فإن استخدام نماذج اللغة الكبيرة ، مثل OpenAI’s GPT-3 ، للمساعدة في الكشف المبكر عن الخرف لا يزال مجالًا مجهولًا.
من خلال العمل على هذه الجبهة ، أظهر فريق بحثي من كلية الهندسة الطبية الحيوية والعلوم والأنظمة الصحية بجامعة دريكسل مؤخرًا أن GPT-3 الخاص بـ OpenAI يمكن أن يتعرف بنجاح على المراحل المبكرة من الخرف باستخدام الكلام التلقائي بدقة تقارب 80٪. يعد بحث الفريق الأحدث من نوعه ، حيث يوضح قيمة معالجة اللغة الطبيعية في الاكتشاف المبكر لمرض الزهايمر ويزيد من احتمال أن يكون ضعف اللغة بمثابة مقدمة للأمراض التنكسية العصبية.
ركز الفريق على تطوير خوارزميات يمكنها التعرف على الإشارات البسيطة مثل التردد والأخطاء النحوية والنطق وحتى نسيان معاني الكلمات. هؤلاء المهنيين الطبيين ساعدوا كثيرًا في المراحل الأولية لتحديد ما إذا كان المريض يجب أن يخضع لفحص شامل أم لا. تركز الاختبارات الأخرى المستخدمة بشكل متكرر للتشخيص المبكر لمرض الزهايمر على الخصائص السمعية مثل التوقف والتعبير وجودة الصوت.
يستخدم GPT-3 الخاص بـ OpenAI خوارزمية التعلم العميق التي تؤكد على كيفية استخدام الكلمات وكيفية إنشاء اللغة ، مما يمكّنها من الاستجابة لأي مهام متعلقة باللغة بشكل مخيف أكثر من أي نظام تعلم عميق آخر. كما أنه مرشح واعد لتحديد خصائص الكلام الدقيقة التي قد تتنبأ ببدء الخرف بسبب أدائه الرائع في “التعلم بدون بيانات” (القدرة على الإجابة على الأسئلة التي تتطلب عادةً استشارة مصادر المعرفة الخارجية) ، بالإضافة إلى نهج منهجي لتحليل اللغة. تم تدريب النموذج باستخدام مجموعة بيانات كبيرة تم تحسينها بالبيانات المتعلقة بنمط الكلام اللازمة لتحديد مرضى الخرف المحتملين.
أنشأ الباحثون تمثيلًا متجهًا من النص يلتقط بدقة جوهر خطاب الإدخال من خلال الاستفادة من المعرفة الدلالية الشاملة المضمنة في نموذج GPT-3. بعد ذلك ، باستخدام بيانات الكلام فقط ، تم استخدام تمثيلات المتجهات لتقدير درجة التقييم المعرفي للموضوع وتحديد الأشخاص المصابين بمرض الزهايمر من السكان الأصحاء. وخلص الباحثون إلى أن تمثيل المتجهات يتفوق بشكل كبير على النهج التقليدي القائم على الميزات الصوتية وينتج نتائج على قدم المساواة مع النماذج الحالية ذات الأداء الأفضل.
يشير الأداء الجدير بالثناء للفريق إلى إمكانات كبيرة لتطوير أدوات قابلة للنشر بالكامل تعتمد على الذكاء الاصطناعي للتشخيص المبكر للخرف ، والتي يمكن أن تساعد الأشخاص في تلقي الرعاية والعلاج اللازمين منذ البداية. يتضمن العمل المستقبلي للباحثين إنشاء تطبيق ويب بسيط وسهل الاستخدام يمكن استخدامه كأداة للفحص المسبق للخرف في المنزل أو العيادة. إذا كانت اختبارات إثبات المفهوم الأولية جيدة ، فقد يغير التطبيق قواعد اللعبة للفحص المبكر وتقييم المخاطر قبل التشخيص السريري.
