Canary Speechがアルツハイマー病をAIで診断する技術を開発
アルツハイマー病は診断が難しいことで知られています。通常、医師は認知機能テスト、脳画像診断、行動観察を組み合わせて使いますが、これには費用がかかり、多くの時間も必要です。では、人の自宅で簡単に採取できる短い音声サンプルから、アルツハイマー病の患者を特定できるとしたらどうでしょうか。
企業のCanary Speechは、まさにこの技術を開発しています。同社のアルゴリズムはディープラーニングを用いて、短い音声サンプルからアルツハイマー病やその他の疾患の兆候を分析します。ディープラーニングのプロバイダーであるSyntiantは最近、Canary Speechとの提携を発表しました。これにより、Canaryは主に診察室や病院で使われている技術を、医療機器を通じて家庭へと届けられるようになります。
音声やその他の種類のデータを用いたディープラーニング手法が、研究室の環境ではアルツハイマー病やその他の疾患を持つ人を非常に高い精度で分類できることを示した研究もありますが、実社会では結果が異なる可能性があります。とはいえ、AIとディープラーニングの手法は、難しい診断を下すうえで有用なツールになり得ます。
多くの人は、アルツハイマー病が認知症の中で最も一般的な形態であり、記憶に影響を与えると考えています。しかし研究では、アルツハイマー病は、ほとんどの症状が現れる前の非常に初期の段階でも、話し方や言語に影響を及ぼしうることが示されています。人間はこうした微妙な変化をふつう捉えられませんが、そうした状態の数万人の声と、そうでない人の声で学習させたディープラーニングモデルは、これらの要因を見分けることができます。
「注目すべきは、中枢神経系が音声の生成を通じて伝えているものです。Canary Speechはまさにそのデータセットを分析しています。」
これまでアルゴリズムはクラウドベースでしたが、CanaryとSyntiantの提携により、チップベースのアプリケーションが利用可能になります。これは処理が速く、より多くのメモリと記憶容量を備えています。
この新技術は、ウェアラブルデバイスへの組み込みを想定しており、20〜30秒の音声サンプルを1秒未満で分析して、アルツハイマー病に加え、不安、うつ病、さらには全体的なエネルギーレベルといった状態を評価します。O’Connell氏によると、アルツハイマー病の有無による音声の判別において、Canaryシステムの精度は約92.5%だということです。
うつ病や不安が音声に影響を与えるとする研究もあり、O’Connell氏によると、Canaryはこれらの状態を検出するためのアルゴリズムの精度を検証し、向上させる取り組みを進めています。
トロント大学のコンピューターサイエンス准教授で、Canary Speechと類似の製品を手がけるWinterlight Labsの共同創業者であるFrank Rudzicz氏によると、他の音声技術も同様の成果を上げてきました。2016年の研究では、Rudzicz氏と他の研究者が単純な機械学習手法を用いて、アルツハイマー病の有無にかかわらず人々の話し方を約81%の精度で分析しました。
「ディープラーニングでは、未加工のデータをディープニューラルネットワークに入力するだけで、ネットワークが自ら内部表現を構築します。」
すべてのディープラーニングアルゴリズムと同様に、これは「ブラックボックス」を生み出します。つまり、アルゴリズムが音声のどの側面に着目しているのかを正確に知ることはできません。Rudzicz氏によると、ディープラーニングにより、これらのアルゴリズムの精度は90%を超えたということです。
これまでプログラマーは、MRIなどの脳の医用画像診断と並行してディープラーニングを用いてきました。研究では、これらの手法の多くが同等に正確であり、通常は90%を超える精度を示しています。
2021年12月に行われた研究では、プログラマーはアルゴリズムに、認知機能が正常な人とアルツハイマー病の人の脳を区別させるだけでなく、軽度認知障害の人の脳も識別させることに成功しました。軽度認知障害の人は、多くの場合アルツハイマー病の前段階にあり、その脳は健常な人の脳と同じ場合もあれば、アルツハイマー病の人の脳により近い場合もあります。軽度認知障害のすべての人がアルツハイマー病を発症するわけではないため、これらのサブタイプを区別することは特に重要です。
「私たちは、アルツハイマー病の連続体に沿って人々を層別化する方法を求めています。これらは、アルツハイマー病を発症する可能性のある人々です」
ダヤン氏によると、これらの患者をできるだけ早く特定することは、彼らの病気を効果的に治療するために極めて重要になる可能性が高いとのことです。一般に、スキャンに基づくディープラーニングは、少なくとも研究室で行われた分類研究においては、同じくらい高い有効性を持っています。
これらの技術が現実世界でも同じように有効かどうかはまだ不明ですが、おそらくうまく機能するでしょう。科学者たちは、確実に知るためにはさらなる研究が必要だと述べています。
ダヤン氏によると、もう一つの懸念材料は、アルゴリズムが学習するデータに十分な多様性がない場合に、AIが隠してしまう可能性のある潜在的なバイアスです。最近の研究でそのことが示されています。例えば、ルジッチ氏は、トロントの人々の音声サンプルを使って訓練されたアルゴリズムは、地方では同じようにうまく機能しないかもしれないと述べました。
オコネル氏は、Canary Speechのアルゴリズムは音声の非言語的要素を分析するものであり、日本や中国など他の国で使われている技術のバージョンも、ネイティブスピーカーのデータを使って訓練されていると述べました。「私たちはこのシステムの中で、この環境において、性能を向上させるためにモデルを検証し、訓練しています」。
CanaryとSyntiantの協業によりリアルタイムの遠隔モニタリングが可能になる一方で、オコネル氏は、正式な診断は医師から下されるべきであり、この技術は診断のためのもう一つのツールに過ぎないと考えています。ダヤン氏も同意見で、「今後数年間で、AIが医師を支援することは期待していますが、医師を完全に置き換えることはないでしょう」と述べています。
