به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا از مدیکال اکسپرس، یک مطالعه جدید توسط محققان مرکز تحقیقات علوم اعصاب سنت جورج، نقاط قوت و محدودیت کارهای مختلفی را که برای تشخیص علائم اولیه بیماری آلزایمر از طریق تجزیه‌وتحلیل گفتار و یادگیری ماشین استفاده می‌شود، شناسایی کرده است. این تحقیق که در ژورنال علمی «Frontiers in Computer Science» منتشر شده، نشان می‌دهد می‌توان از یادگیری ماشینی برای ارزیابی الگوهای گفتاری برای علائم بیماری آلزایمر استفاده کرد.

تحقیقات قبلی توسط این گروه نشان داده که بیماری آلزایمر زبان را در اوایل بیماری تحت تأثیر قرار می‌دهد و بنابراین می‌توان از ارزیابی زبان برای تشخیص بیماری در مراحل اولیه استفاده کرد. ازاین‌رو مطالعه جدید با تلاش برای ارزیابی اقدامات و وظایفی که می‌تواند برای آزمایش آلزایمر مورداستفاده قرار گیرد، به شواهد اضافه می‌شود. با ضبط صدا از وظایف انجام‌شده توسط شرکت‌کنندگان، محققان سپس از یک برنامه یادگیری ماشینی برای ارزیابی علائم بیماری استفاده کردند.

بیشتر بخوانید:

زوال عقل در کمین شب‌زنده‌داران افراطی!

وظایف مورداستفاده در این مطالعه نشان‌دهنده طیف وسیعی از روش‌های مورداستفاده در سناریوهای مراقبت‌های درمانی است. یکی از رایج‌ترین رویکردهایی که پزشکان از آن استفاده می‌کنند درخواست از بیماران برای توصیف یک صحنه است. رویکردهای دیگر شامل درخواست از بیمار برای روایت یک داستان آموخته‌شده است (مانند افسانه‌های معروف مانند سیندرلا) که آنها را ملزم می‌کند مجموعه‌ای از شخصیت‌ها و وقایع را در یک جدول زمانی که می‌توانند به خاطر بیاورند، ادغام کنند.

برای این مطالعه محققان از ارزیابی‌های فوق و همچنین یادآوری رویه‌ای (بازگو کردن نحوه تهیه یک فنجان چای)، بازگویی روایت جدید (توصیف یک داستان از تصاویر ارائه‌شده در یک کتاب داستان) و سخنرانی محاوره‌ای استفاده کردند.

محققان پس از ارزیابی نتایج ۵۰ شرکت‌کننده دریافتند که روایت یک داستان آموخته‌شده مانند سیندرلا دقیق‌ترین نتایج را ارائه می‌دهد. همچنین سیستم یادگیری ماشینی استفاده‌شده با دقت ۷۸ درصد قادر بود تشخیص دهد آیا یک شرکت‌کننده دچار آلزایمر یا اختلال شناختی خفیف است.

انتهای پیام/۴۱۱۲/