Canary Speech开发借助AI诊断阿尔茨海默病的技术
众所周知，阿尔茨海默病很难诊断。通常，医生会结合使用认知测试、脑部成像和行为观察，而这可能成本高昂且耗时很长。但如果能从人在家中就能轻松采集的一小段语音样本中，识别出阿尔茨海默病患者，又会怎样呢？
Canary Speech公司正在研发正是这项技术。其算法利用深度学习，分析短段语音样本中是否存在阿尔茨海默病及其他疾病的迹象。深度学习供应商Syntiant近期宣布与Canary Speech展开合作，这将使Canary能够借助一款医疗设备，把原本主要用于诊所和医院的技术带入人们家中。
尽管一些研究表明，在实验室条件下，利用语音及其他类型数据的深度学习方法在区分阿尔茨海默病及其他疾病患者方面非常准确，但在现实世界中结果可能会有所不同。尽管如此，人工智能和深度学习方法仍可能成为复杂诊断的有用工具。
大多数人认为，作为最常见痴呆形式的阿尔茨海默病会影响记忆。但研究显示，阿尔茨海默病甚至在最早期、大多数症状尚未显现之前，就可能影响言语和语言。人们通常无法察觉这些细微变化，但一个基于数万名患病与未患病者语音训练的深度学习模型，却能够识别这些差异。
“你感兴趣的是中枢神经系统通过言语产生所传递的信息。这正是Canary Speech所做的事情——我们分析这一数据集”
迄今为止，该算法一直基于云端，但Canary与Syntiant的合作使其能够采用基于芯片的应用，运行速度更快，并拥有更多内存和存储容量。
这项新技术计划集成到一款可穿戴设备中，能在不到一秒内分析20或30秒的语音样本，以检测阿尔茨海默病等状况，以及焦虑、抑郁甚至整体精力水平。奥科内尔表示，Canary系统在区分阿尔茨海默病患者与非患者的语音方面，准确率约为92.5%。
有研究表明，抑郁和焦虑等状况会影响言语，奥科内尔表示，Canary正在测试并提升算法检测这些状况的准确性。
多伦多大学计算机科学副教授、Winterlight Labs联合创始人弗兰克·鲁德齐奇表示，该公司生产的产品与Canary Speech类似，其他语音技术也取得了相似的成功。在2016年的一项研究中，鲁德齐奇及其他研究人员使用简单的机器学习方法分析阿尔茨海默病患者与非患者的语音，准确率约为81%。
“在深度学习中，你只需将原始数据输入这些深度神经网络，然后深度神经网络会自动生成其自身的内部表示”
与所有深度学习算法一样，这形成了一个“黑箱”，也就是说，无法确切知道算法关注的是语音的哪些方面。他表示，得益于深度学习，这些算法的准确率已超过90%。
此前，程序员曾将深度学习与MRI等脑部医学成像结合使用。在研究中，许多此类方法的准确率相当——通常超过90%。
在2021年12月进行的一项研究中，程序员成功训练算法，不仅能够区分认知正常者与阿尔茨海默病患者的大脑，还能区分轻度认知障碍患者——在许多情况下，这些人是阿尔茨海默病的早期前身，其大脑要么与健康人相似，要么更接近阿尔茨海默病患者。区分这些亚型尤为重要，因为并非所有轻度认知障碍患者都会发展为阿尔茨海默病。
“我们希望有方法能将人群按阿尔茨海默病的连续谱进行分层。这些人都是可能发展为阿尔茨海默病的个体”
达扬表示，尽早识别这些患者，可能对有效治疗其疾病至关重要。一般而言，基于扫描的深度学习在实验室的分类研究中，至少也具有同样高的有效性。
目前尚不清楚这些技术在现实世界中是否同样有效，但它们很可能表现良好。科学家表示，需要进一步研究才能确定。
达扬还表示，另一个令人担忧的原因是潜在偏见，近期研究显示，如果用于训练算法的数据缺乏多样性，人工智能可能会隐藏这些偏见。例如，鲁德齐奇指出，用多伦多人的语音样本训练的算法，在农村地区可能无法同样出色地工作。
奥科内尔表示，Canary Speech的算法分析语言之外的语音要素，并且他们在日本、中国等其他国家也有使用当地母语者数据训练的技术版本：“我们在这个系统、这个环境中测试并训练我们的模型，以提升性能。”
尽管Canary与Syntiant的合作可能实现实时远程监测，但奥科内尔认为，正式诊断应由医生做出，该技术只是辅助诊断的另一种工具。达扬表示同意：“我希望未来几年，人工智能将帮助医生，但不会完全取代他们。”
