Canary Speech تطور تقنية لتشخيص مرض الزهايمر بمساعدة الذكاء الاصطناعي
من المعروف أن تشخيص مرض الزهايمر أمر صعب. عادةً ما يستخدم الأطباء مزيجاً من الاختبارات المعرفية وتصوير الدماغ ومراقبة السلوك، وقد يكون ذلك مكلفاً ويستغرق وقتاً طويلاً. لكن ماذا لو أمكن لعينة صوت سريعة، يسهل أخذها من الشخص في منزله، أن تساعد في تحديد المرضى المصابين بمرض الزهايمر؟
تعمل شركة Canary Speech على تطوير هذه التقنية تحديداً. فباستخدام التعلم العميق، تحلل خوارزمياتها عينات صوت قصيرة بحثاً عن علامات مرض الزهايمر وأمراض أخرى. وقد أعلنت Syntiant، مزودة تقنيات التعلم العميق، مؤخراً عن تعاون مع Canary Speech، سيتيح لـ Canary نقل تقنية تُستخدم في الأساس في عيادات الأطباء والمستشفيات إلى منزل المريض عبر جهاز طبي.
على الرغم من أن بعض الدراسات أظهرت أن أساليب التعلم العميق التي تعتمد على الصوت وأنواع أخرى من البيانات دقيقة للغاية في تصنيف الأشخاص المصابين بمرض الزهايمر وأمراض أخرى في ظروف المختبر، فقد تكون النتائج مختلفة في العالم الحقيقي. ومع ذلك، قد يصبح الذكاء الاصطناعي وأساليب التعلم العميق أدوات مفيدة لوضع تشخيص معقد.
يعتقد معظم الناس أن مرض الزهايمر، وهو الشكل الأكثر شيوعاً من الخرف، يؤثر على الذاكرة. لكن الدراسات تظهر أن مرض الزهايمر قد يؤثر في الكلام واللغة حتى في المراحل المبكرة جداً، أي قبل أن تظهر معظم الأعراض بوضوح. وبينما لا يستطيع الناس عادةً ملاحظة هذه التأثيرات الدقيقة، يمكن لنموذج تعلم عميق مدرَّب على أصوات عشرات الآلاف من الأشخاص المصابين بهذه الحالات وغير المصابين بها أن يميز هذه العوامل.
«ما يهمك هو ما يخبرك به الجهاز العصبي المركزي، وما ينتقل عبر إنتاج الكلام. وهذا ما تفعله Canary Speech، إذ نحلل مجموعة البيانات هذه»
حتى الآن كانت الخوارزمية تعتمد على السحابة، لكن تعاون Canary مع Syntiant يتيح تطبيقاً قائماً على شريحة تعمل بسرعة أكبر ولديها ذاكرة وسعة تخزين أكبر.
صُممت التقنية الجديدة لتكون مدمجة في جهاز قابل للارتداء، وتحلل في أقل من ثانية عينة كلام مدتها 20 أو 30 ثانية للكشف عن حالات مثل مرض الزهايمر، وكذلك القلق والاكتئاب وحتى مستوى الطاقة العام. وذكر أوكونيل أن دقة نظام Canary تبلغ نحو 92.5% عند التمييز بين أصوات الأشخاص المصابين بمرض الزهايمر وغير المصابين به.
توجد بعض الدراسات التي تشير إلى أن حالات مثل الاكتئاب والقلق تؤثر في الكلام، وذكر أوكونيل أن Canary تعمل على اختبار وتحسين دقة الخوارزميات لاكتشاف هذه الحالات.
بحسب فرانك رودزيتش، الأستاذ المساعد في علوم الحاسوب بجامعة تورونتو والمؤسس المشارك لشركة Winterlight Labs، التي تنتج منتجاً مشابهاً لمنتج Canary Speech، فقد حققت تقنيات صوتية أخرى نجاحاً مماثلاً. وفي دراسة عام 2016، استخدم رودزيتش وباحثون آخرون أساليب بسيطة للتعلم الآلي لتحليل كلام الأشخاص المصابين بمرض الزهايمر وغير المصابين به بدقة تقارب 81%.
«في التعلم العميق، تمرر ببساطة البيانات الخام إلى هذه الشبكات العصبية العميقة، ثم تنشئ الشبكات تمثيلاتها الداخلية الخاصة تلقائياً»
مثل جميع خوارزميات التعلم العميق، فإن هذا يشكّل «صندوقاً أسود»، أي أنه لا يمكن معرفة بدقة الجوانب الكلامية التي تركز عليها الخوارزمية. وبحسب قوله، فقد تجاوزت دقة هذه الخوارزميات بفضل التعلم العميق نسبة 90%.
في السابق، استخدم المبرمجون التعلم العميق إلى جانب تصوير الدماغ الطبي مثل التصوير بالرنين المغناطيسي. وفي الدراسات، تتساوى كثير من هذه الأساليب في الدقة، وعادةً ما تتجاوز دقتها 90%.
في دراسة أُجريت في ديسمبر 2021، نجح المبرمجون في تدريب الخوارزمية على التمييز ليس فقط بين دماغ الأشخاص الطبيعيين إدراكياً ودماغ المصابين بمرض الزهايمر، بل أيضاً بين دماغ الأشخاص المصابين بضعف إدراكي خفيف، وهم في كثير من الحالات مراحل مبكرة تسبق مرض الزهايمر، وكان دماغهم إما مشابهاً لدماغ الأصحاء أو أقرب إلى دماغ المصابين بالمرض. ويُعد التمييز بين هذه الأنواع الفرعية مهماً بشكل خاص، لأن ليس كل من يعانون ضعفاً إدراكياً خفيفاً يصابون بمرض الزهايمر.
«نريد امتلاك أساليب لتصنيف الأشخاص وفق امتداد مرض الزهايمر. فهؤلاء أشخاص قد يصابون بمرض الزهايمر»
بحسب دايان، فإن تحديد هؤلاء المرضى في أقرب وقت ممكن سيكون على الأرجح حاسماً لعلاج أمراضهم بفعالية. وعادةً ما تحقق خوارزميات التعلم العميق القائمة على المسح مستوى فعالية مرتفعاً بالقدر نفسه، على الأقل في دراسات التصنيف التي تُجرى في المختبر.
لا يُعرف بعد ما إذا كانت هذه التقنيات ستكون بالفعالية نفسها في العالم الحقيقي، لكنها على الأرجح ستعمل بشكل جيد. وقال العلماء إن هناك حاجة إلى مزيد من الدراسات لمعرفة ذلك على وجه اليقين.
وبحسب دايان، هناك سبب آخر للقلق يتمثل في التحيزات المحتملة التي أظهرت دراسات حديثة أن الذكاء الاصطناعي قد يُخفيها، إذا لم تكن البيانات التي تُدرَّب عليها الخوارزمية متنوعة بما يكفي. فعلى سبيل المثال، ذكر رودزيتش أنه ربما لا تعمل خوارزمية دُرّبت على عينات كلام لأشخاص من تورونتو بالكفاءة نفسها في الريف.
ذكر أوكونيل أن خوارزمية Canary Speech تحلل العناصر غير اللغوية في الكلام، وأن لديهم نسخاً من التقنيات المستخدمة في دول أخرى مثل اليابان والصين، تُدرَّب باستخدام بيانات من متحدثين أصليين: «نختبر نموذجنا ونُدرّبه في هذا النظام، في هذه البيئة، لتحسين الأداء».
على الرغم من أن التعاون بين Canary وSyntiant قد يتيح المراقبة عن بُعد في الوقت الفعلي، يرى أوكونيل أن التشخيص الرسمي يجب أن يصدر عن طبيب، وأن هذه التقنية أداة إضافية لوضع التشخيص. ويتفق دايان مع ذلك قائلاً: «أتمنى أن يساعد الذكاء الاصطناعي الأطباء في السنوات القادمة، لكنه لن يحل محلهم بالكامل».
