Kann die KI, die ChatGPT steuert, helfen, frühe Anzeichen von Alzheimer zu erkennen?

Forscher nutzen den Chatbot, um Alzheimer-Indikatoren in spontaner Sprache zu finden

03.01.2023 - USA

Die Algorithmen der künstlichen Intelligenz, die hinter dem Chatbot-Programm ChatGPT stehen - das durch seine Fähigkeit, menschenähnliche schriftliche Antworten auf die kreativsten Fragen zu generieren, Aufsehen erregt hat - könnten eines Tages Ärzten dabei helfen, die Alzheimer-Krankheit in ihren frühen Stadien zu erkennen. Forschungsarbeiten der School of Biomedical Engineering, Science and Health Systems der Drexel University haben kürzlich gezeigt, dass das GPT-3-Programm von OpenAI Hinweise aus der spontanen Sprache erkennen kann, die zu 80 % die frühen Stadien der Demenz vorhersagen.

Die in der Fachzeitschrift PLOS Digital Health veröffentlichte Drexel-Studie ist die jüngste in einer Reihe von Bemühungen, die Wirksamkeit von Programmen zur Verarbeitung natürlicher Sprache für die frühzeitige Vorhersage der Alzheimer-Krankheit zu belegen.

Ein frühes Anzeichen finden

Die derzeitige Praxis zur Diagnose der Alzheimer-Krankheit umfasst in der Regel eine Anamnese und eine Reihe langwieriger körperlicher und neurologischer Untersuchungen und Tests. Zwar gibt es noch immer keine Heilung für die Krankheit, aber wenn sie frühzeitig erkannt wird, stehen den Patienten mehr Therapie- und Unterstützungsmöglichkeiten zur Verfügung. Da Sprachstörungen bei 60-80 % der Demenzpatienten ein Symptom sind, haben sich die Forscher auf Programme konzentriert, die subtile Hinweise - wie Zögern, Grammatik- und Aussprachefehler und das Vergessen der Bedeutung von Wörtern - als Schnelltest erkennen können, der Aufschluss darüber geben könnte, ob sich ein Patient einer umfassenden Untersuchung unterziehen sollte oder nicht.

KI sagt Funktion von Enzymen voraus

Methode hat erhebliches Anwendungspotenzial

News lesen

"Wir wissen aus laufenden Forschungsarbeiten, dass sich die kognitiven Auswirkungen der Alzheimer-Krankheit in der Sprachproduktion manifestieren können", sagte Dr. Hualou Liang, Professor an der School of Biomedical Engineering, Science and Health Systems in Drexel und Mitautor der Studie. "Die gebräuchlichsten Tests zur Früherkennung von Alzheimer untersuchen neben kognitiven Tests auch akustische Merkmale wie Pausen, Artikulation und Stimmqualität. Wir glauben jedoch, dass die Verbesserung von Programmen zur Verarbeitung natürlicher Sprache einen weiteren Weg zur Unterstützung der Alzheimer-Früherkennung bietet."

Ein Programm, das zuhört und lernt

GPT-3, offiziell die dritte Generation des General Pretrained Transformer (GPT) von OpenAI, verwendet einen Deep-Learning-Algorithmus, der durch die Verarbeitung großer Mengen von Informationen aus dem Internet trainiert wurde, mit besonderem Augenmerk darauf, wie Wörter verwendet werden und wie Sprache aufgebaut ist. Durch dieses Training ist er in der Lage, auf jede Aufgabe, die mit Sprache zu tun hat, eine menschenähnliche Antwort zu geben - von der Beantwortung einfacher Fragen bis hin zum Schreiben von Gedichten oder Aufsätzen.

GPT-3 ist besonders gut im "Null-Daten-Lernen", d. h. es kann auf Fragen antworten, für die normalerweise externes Wissen erforderlich wäre, das nicht zur Verfügung gestellt wurde. Wenn man das Programm zum Beispiel bittet, "Cliff's Notes" zu einem Text zu schreiben, müsste man normalerweise erklären, dass damit eine Zusammenfassung gemeint ist. Aber GPT-3 hat genug Training durchlaufen, um die Referenz zu verstehen und sich anzupassen, um die erwartete Antwort zu produzieren.

"Die systemische Herangehensweise von GPT3 an die Sprachanalyse und -produktion macht es zu einem vielversprechenden Kandidaten für die Identifizierung von subtilen Sprachmerkmalen, die den Beginn einer Demenzerkrankung vorhersagen können", so Felix Agbavor, Doktorand an der Fakultät und Hauptautor der Studie. "Das Training von GPT-3 mit einem umfangreichen Datensatz von Interviews - einige davon mit Alzheimer-Patienten - würde ihm die Informationen liefern, die es braucht, um Sprachmuster zu extrahieren, die dann zur Identifizierung von Markern bei zukünftigen Patienten verwendet werden könnten.

Auf der Suche nach Sprachsignalen

Die Forscher testeten ihre Theorie, indem sie das Programm mit einer Reihe von Transkripten aus einem Teil eines Datensatzes von Sprachaufzeichnungen trainierten, der mit Unterstützung der National Institutes of Health speziell zu dem Zweck zusammengestellt wurde, die Fähigkeit von Programmen zur Verarbeitung natürlicher Sprache zur Vorhersage von Demenz zu testen. Das Programm erfasste aussagekräftige Merkmale des Wortgebrauchs, der Satzstruktur und der Bedeutung des Textes, um das zu erstellen, was die Forscher als "Einbettung" bezeichnen - ein charakteristisches Profil der Alzheimerschen Sprache.

Anhand dieser Einbettung trainierten sie das Programm neu und verwandelten es in eine Alzheimer-Screening-Maschine. Um das Programm zu testen, baten sie es, Dutzende von Transkripten aus dem Datensatz zu überprüfen und zu entscheiden, ob jedes einzelne von jemandem produziert wurde, der an Alzheimer erkrankt ist oder nicht.

Die Gruppe ließ zwei der besten Programme für die Verarbeitung natürlicher Sprache dieselben Tests durchführen und stellte fest, dass GPT-3 besser abschnitt als beide, und zwar in Bezug auf die genaue Identifizierung von Alzheimer-Beispielen, die Identifizierung von Nicht-Alzheimer-Beispielen und mit weniger übersehenen Fällen als beide Programme.

In einem zweiten Test wurde die Textanalyse von GPT-3 verwendet, um die Punktzahl verschiedener Patienten aus dem Datensatz in einem gängigen Test zur Vorhersage des Schweregrads einer Demenz, dem Mini-Mental State Exam (MMSE), vorherzusagen.

Das Team verglich dann die Vorhersagegenauigkeit von GPT-3 mit der einer Analyse, die nur die akustischen Merkmale der Aufnahmen, wie Pausen, Stimmstärke und Lallen, zur Vorhersage des MMSE-Wertes verwendet. GPT-3 erwies sich als fast 20 % genauer bei der Vorhersage der MMSE-Werte der Patienten.

"Unsere Ergebnisse zeigen, dass die von GPT-3 erzeugte Texteinbettung zuverlässig genutzt werden kann, um nicht nur Alzheimer-Patienten von gesunden Kontrollpersonen zu unterscheiden, sondern auch den kognitiven Testwert der Testperson abzuleiten, beides allein auf der Grundlage von Sprachdaten", schreiben sie. "Wir zeigen außerdem, dass die Texteinbettung den konventionellen, auf akustischen Merkmalen basierenden Ansatz übertrifft und sogar mit fein abgestimmten Modellen mithalten kann. Diese Ergebnisse deuten darauf hin, dass die auf GPT-3 basierende Texteinbettung ein vielversprechender Ansatz für die Bewertung von Alzheimer ist und das Potenzial hat, die Frühdiagnose von Demenz zu verbessern."

Die Suche geht weiter

Um auf diesen vielversprechenden Ergebnissen aufzubauen, planen die Forscher die Entwicklung einer Webanwendung, die zu Hause oder in einer Arztpraxis als Voruntersuchungsinstrument eingesetzt werden könnte.

"Unser Proof-of-Concept zeigt, dass dies ein einfaches, zugängliches und ausreichend empfindliches Instrument für gemeindebasierte Tests sein könnte", so Liang. "Dies könnte für ein frühzeitiges Screening und eine Risikobewertung vor einer klinischen Diagnose sehr nützlich sein."

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.