افزایش 80 درصدی تشخیص آلزایمر توسط ربات گفتگوگر

به گزارش خبرگزاری صدا و سیما و به نقل از دیجیتال هلث، یک پژوهش جدید نشان می‌دهد که کاربرد‌های بالقوه ربات گفتگوگر ChatGPT که در چند هفته اخیر تمام فضای اینترنت را تحت تأثیر قرار داده است، می‌تواند به زودی در تشخیص زودهنگام بیماری‌هایی مانند آلزایمر گسترش یابد.

طبق پژوهش‌های دانشکده مهندسی زیست پزشکی، علوم و سیستم‌های سلامت دانشگاه درکسل (Drexel) آمریکا، الگوریتم هوش مصنوعی GPT-۳ توسعه یافته به دست شرکت OpenAI می‌تواند سرنخ‌هایی را در یک گفتگو دریافت کند تا مراحل اولیه زوال عقل را در ۸۰ درصد مواقع پیش‌بینی کند.

چت‌جی‌پی‌تی (ChatGPT) یک ربات چت یا گفتگو است که با تکنیک‌های یادگیری نظارت شده و تقویتی به خوبی تنظیم شده است. ChatGPT به عنوان یک نمونه اولیه در نوامبر ۲۰۲۲ راه اندازی شد و به سرعت به دلیل پاسخ‌های دقیق و واضح خود در بسیاری از حوزه‌های دانش، توجه‌ها را به خود جلب کرد.

این پژوهش، آخرین نمونه از مجموعه تلاش‌ها برای نشان دادن ارزش ابزار‌های پردازش زبان طبیعی برای تشخیص زودهنگام و پیش‌بینی بیماری آلزایمر است. این پژوهش بر اساس پژوهش‌های اخیر انجام شده است که نشان می‌دهد اختلال زبانی ممکن است نشانه‌ای از بیماری‌های عصبی باشد.

امروزه بررسی کامل تاریخچه پزشکی بیمار و مجموعه‌ای از معاینات و آزمایشات فیزیکی و عصبی به عنوان بخشی از فرآیند استاندارد برای تشخیص بیماری آلزایمر انجام می‌شود. اگرچه هنوز هیچ درمانی برای این بیماری وجود ندارد، اما شناسایی آن در مراحل اولیه می‌تواند گزینه‌های بیشتری برای درمان و مراقبت در اختیار بیماران قرار دهد.

پژوهشگران بر روی برنامه‌هایی تمرکز کرده‌اند که می‌توانند سرنخ‌های ظریفی مانند تردید، اشتباهات گرامری و تلفظی و فراموش کردن معنی کلمات را به عنوان یک آزمایش سریع که می‌تواند نشان دهد بیمار باید تحت معاینه کامل قرار گیرد یا خیر، تشخیص دهد. گفتنی است که اختلال زبانی، ۶۰ تا ۸۰ درصد از بیماران مبتلا به زوال عقل را تحت تاثیر قرار می‌دهد.

دکتر هوالو لیانگ استاد دانشکده مهندسی زیست پزشکی، علم و سیستم‌های سلامت دانشگاه درکسل و یکی از نویسندگان این پژوهش توضیح می‌دهد: ما از پژوهش‌های در حال انجام می‌دانیم که اثرات شناختی بیماری آلزایمر می‌تواند خود را در زبان نشان دهد.

وی افزود: متداول‌ترین آزمایش‌های مورد استفاده برای تشخیص زودهنگام بیماری آلزایمر علاوه بر آزمایش‌های شناختی، به ویژگی‌های زبانی و صوتی مانند مکث، بیان و کیفیت صدا نیز می‌پردازند. اما ما معتقدیم که بهبود برنامه‌های پردازش زبان طبیعی مسیر دیگری را برای حمایت از شناسایی زودهنگام آلزایمر فراهم می‌کند.

سومین نسخه از مبدل پیش‌آموزش‌دیده عمومی (GPT) شرکت OpenAI به نام GPT-۳ از یک الگوریتم یادگیری عمیق استفاده می‌کند که با مشاهده حجم عظیمی از داده‌ها از اینترنت، با تمرکز بر نحوه استفاده از کلمات و نحوه ساخت زبان، آموزش داده شده است. این آموزش به آن توانایی پاسخگویی به هر کار مرتبط با زبان را به روشی شبیه به انسان، از پاسخ دادن به سؤالات ساده گرفته تا نوشتن شعر یا مقاله می‌دهد.

GPT-۳ در یادگیری اطلاعات بدون داده یا اصطلاحاً «یادگیری داده‌های صفر» برتری دارد که به آن اجازه می‌دهد به پرسش‌هایی پاسخ دهد که معمولاً اطلاعات بیرونی ارائه نشده را می‌طلبند.

فلیکس آگباور، پژوهشگر مقطع دکترا در دانشکده و نویسنده اصلی این پژوهش می‌گوید: رویکرد سیستمی GPT ۳ برای تجزیه و تحلیل و تولید زبان، آن را به یک نامزد امیدوارکننده برای شناسایی ویژگی‌های گفتاری ظریفی که ممکن است شروع زوال عقل را پیش‌بینی کند، تبدیل می‌کند.

وی افزود: آموزش GPT-۳ با مجموعه‌ای گسترده از مصاحبه‌ها که برخی از آن‌ها با بیماران مبتلا به آلزایمر انجام شده است، اطلاعات مورد نیاز برای استخراج الگو‌های گفتاری را در اختیار آن قرار می‌دهد که سپس می‌تواند برای شناسایی نشانگر‌ها در بیماران آینده به کار رود.

این برنامه با مجموعه‌ای از رونوشت‌ها از زیرمجموعه‌ای از مجموعه داده‌های ضبط‌شده گفتاری همراه با حمایت مالی مؤسسه ملی بهداشت آمریکا آموزش داده شده است تا توانایی برنامه‌های پردازش زبان طبیعی برای پیش‌بینی زوال عقل را بیازماید. این کار به پژوهشگران اجازه داد تا نظریه خود را آزمایش کنند.

این الگوریتم رایانه‌ای، استفاده معنی‌دار از کلمات، ساختار جمله و ویژگی‌های معنی را از متن استخراج کرد تا چیزی را ایجاد کند که دانشگاهیان از آن به عنوان "جاسازی" یاد می‌کنند و نمایه‌ای متمایز از گفتار آلزایمری است.

این برنامه متعاقباً با استفاده از جاسازی مجدد آموزش داده شد به ابزاری برای تشخیص آلزایمر تبدیل شد. دانشمندان برای آزمایش آن، به برنامه دسترسی به این مجموعه داده را دادند و از آن خواستند تا ده‌ها رونوشت را ارزیابی کند و مشخص کند که هر کدام توسط فردی مبتلا به آلزایمر یا سالم نوشته شده است.

این گروه پژوهشی دو عدد از بهترین ابزار‌های پردازش زبان طبیعی را در کنار هم آزمایش کردند و متوجه شدند که GPT-۳ هم از نظر شناسایی صحیح نمونه‌های آلزایمر و هم از نظر شناسایی صحیح نمونه‌های سالم عملکرد بهتری دارد.

آزمایش دوم از تجزیه و تحلیل متنی GPT-۳ برای پیش‌بینی نمرات بیماران در آزمون "وضعیت ذهنی کوچک" (MMSE) استفاده کرد که یک آزمون پرکاربرد برای تعیین شدت زوال عقل است.

سپس دقت پیش‌بینی GPT-۳ با تجزیه و تحلیلی مقایسه شد که امتیاز MMSE را فقط بر اساس قدرت صدا، مکث‌ها و ناهنجاری‌های ضبط‌شده پیش‌بینی می‌کرد. در نهایت، هنگام پیش‌بینی امتیازات MMSE بیماران، GPT-۳ حدود ۲۰ درصد دقیق‌تر نشان داده شد.

پژوهشگران می‌گویند: نتایج ما نشان می‌دهد که جاسازی متن که توسط GPT-۳ تولید شده، می‌تواند به طور قابل اعتمادی نه تنها برای تشخیص افراد مبتلا به بیماری آلزایمر از افراد سالم استفاده شود، بلکه امتیاز آزمون شناختی را نیز که هر دو صرفاً بر اساس داده‌های گفتاری مشخص می‌شوند، استنباط کند. ما همچنین نشان دادیم که جاسازی متن از رویکرد مبتنی بر ویژگی‌های گفتاری و صوتی معمولی بهتر عمل می‌کند و حتی با مدل‌های تنظیم‌شده به صورت رقابتی عمل می‌کند. این نتایج در مجموع نشان می‌دهد که جاسازی متن مبتنی بر GPT-۳ یک رویکرد امیدوارکننده برای ارزیابی بیماری آلزایمر است و پتانسیل بهبود تشخیص زودهنگام زوال عقل را دارد.

پژوهشگران قصد دارند با ساختن یک برنامه تحت وب که می‌تواند در خانه یا مطب پزشک به عنوان یک ابزار پیش‌غربالگری استفاده شود، این نتایج دلگرم کننده را در دسترس‌تر کنند.

لیانگ می‌گوید پژوهش «اثبات مفهوم» ما نشان می‌دهد که این می‌تواند یک روش ساده و به اندازه کافی حساس برای استفاده و آزمایش روی جامعه باشد و این ربات قبل از تشخیص بالینی می‌تواند برای غربالگری زودهنگام و ارزیابی خطر بسیار مفید باشد.

این پژوهش در مجله PLOS Digital Health منتشر شده است.