Canary Speech створює технологію для діагностики хвороби Альцгеймера за допомогою ШІ
Відомо, що хворобу Альцгеймера важко діагностувати. Як правило, лікарі використовують комбінацію когнітивних тестів, візуалізації мозку та спостереження за поведінкою, що може бути дорогим і потребувати багато часу. Але що, якщо швидкий зразок голосу, який легко записати вдома, може допомогти визначити пацієнта з хворобою Альцгеймера?
Компанія Canary Speech створює саме цю технологію. Використовуючи глибоке навчання, її алгоритми аналізують короткі зразки голосу на наявність ознак хвороби Альцгеймера та інших захворювань. Постачальник глибокого навчання Syntiant нещодавно оголосив про співпрацю з Canary Speech, що дозволить Canary перенести технологію, яка переважно використовується в кабінетах лікарів та лікарнях, у дім людини за допомогою медичного пристрою.
Хоча деякі дослідження показали, що методи глибокого навчання з використанням голосу та інших типів даних дуже точні у класифікації людей із хворобою Альцгеймера та іншими захворюваннями в лабораторних умовах, у реальному світі результати, можливо, будуть іншими. Проте штучний інтелект і методи глибокого навчання можуть стати корисними інструментами для постановки складного діагнозу.
Більшість людей вважають, що хвороба Альцгеймера — найпоширеніша форма деменції — впливає на пам'ять. Але дослідження показують, що хвороба Альцгеймера може впливати на мовлення та мову навіть на найранніших стадіях — до того, як стануть помітними більшість симптомів. Хоча люди зазвичай не можуть вловити ці тонкі ефекти, модель глибокого навчання, навчена на голосах десятків тисяч людей із такими станами та без них, може розрізняти ці чинники.
«Вас цікавить те, що центральна нервова система повідомляє вам, що передається через створення мовлення. Це те, що робить Canary Speech — ми аналізуємо цей набір даних»
Досі алгоритм базувався на хмарі, але співпраця Canary з Syntiant дозволяє використовувати застосунок на основі чипа, який працює швидше і має більше пам'яті та місткості для зберігання.
Нова технологія призначена для вбудовування в носимий пристрій і менш ніж за секунду аналізує 20- або 30-секундний зразок мовлення на наявність таких станів, як хвороба Альцгеймера, а також тривога, депресія і навіть загальний рівень енергії. О’Коннелл розповів, що точність системи Canary становить близько 92,5% щодо правильного розрізнення голосів людей із хворобою Альцгеймера і без неї.
Є деякі дослідження, які припускають, що такі стани, як депресія і тривога, впливають на мовлення, і О’Коннелл розповів, що Canary працює над тестуванням і підвищенням точності алгоритмів для виявлення цих станів.
За словами Френка Рудзича — доцента кафедри комп'ютерних наук Торонтонського університету та співзасновника Winterlight Labs, яка випускає продукт, подібний до Canary Speech, — інші голосові технології мали подібний успіх. У дослідженні 2016 року Рудзич та інші дослідники використали прості методи машинного навчання для аналізу мовлення людей із хворобою Альцгеймера і без неї з точністю близько 81%.
«При глибокому навчанні ви просто передаєте необроблені дані цим глибоким нейронним мережам, а потім глибокі нейронні мережі автоматично створюють власні внутрішні представлення»
Як і всі алгоритми глибокого навчання, це створює «чорну скриньку» — це означає, що неможливо точно знати, на які аспекти мовлення орієнтується алгоритм. За його словами, завдяки глибокому навчанню точність цих алгоритмів перевищила 90%.
Раніше програмісти використовували глибоке навчання разом із медичною візуалізацією мозку, такою як МРТ. У дослідженнях багато з цих методів однаково точні — зазвичай з точністю понад 90%.
У ході дослідження, проведеного у грудні 2021 року, програмісти успішно навчили алгоритм не лише розрізняти мозок когнітивно нормальних людей і людей із хворобою Альцгеймера, а й людей з легкими когнітивними порушеннями — у багатьох випадках ранніми попередниками хвороби Альцгеймера, чий мозок був або таким самим, як у здорових людей, або більше схожим на мозок тих, хто має хворобу Альцгеймера. Розрізнення цих підтипів особливо важливе, оскільки не у всіх людей з легкими когнітивними порушеннями розвивається хвороба Альцгеймера.
«Ми хочемо мати методи стратифікації людей за континуумом хвороби Альцгеймера. Це суб’єкти, у яких може розвинутися хвороба Альцгеймера»
За словами Даяна, виявлення цих пацієнтів якомога раніше, ймовірно, матиме вирішальне значення для ефективного лікування їхніх захворювань. Як правило, глибоке навчання на основі сканування має настільки ж високий рівень ефективності, принаймні в класифікаційних дослідженнях, які проводяться в лабораторії.
Поки невідомо, чи будуть ці технології такими ж ефективними в реальному світі, але вони, швидше за все, працюватимуть добре. Вчені розповіли, що необхідні додаткові дослідження, щоб знати напевно.
Ще однією причиною для занепокоєння, за словами Даяна, є потенційні упередження, які, як показали нещодавні дослідження, може приховувати ШІ, якщо в даних, на яких навчається алгоритм, недостатньо різноманітності. Наприклад, Рудзич заявив, що, можливо, алгоритм, навчений на зразках мовлення людей із Торонто, не працюватиме так само добре в сільській місцевості.
О’Коннелл заявив, що алгоритм Canary Speech аналізує неслівні елементи мовлення, а також що у них є версії технологій, які використовуються в інших країнах, таких як Японія та Китай, і які навчаються на даних від носіїв мови: «Ми перевіряємо нашу модель і навчаємо її в цій системі, в цьому середовищі, для підвищення продуктивності».
Хоча співпраця Canary з Syntiant може зробити можливим віддалений моніторинг у режимі реального часу, О’Коннелл вважає, що офіційний діагноз має ставити лікар, а ця технологія є ще одним інструментом для постановки діагнозу. Даян погоджується: «ШІ в найближчі роки, я сподіваюся, допомагатиме лікарям, але не замінить їх повністю».
