Hay una señal temprana engañosamente simple de la enfermedad de Alzheimer de la que no se habla con frecuencia: un cambio sutil en los patrones del habla.
por Shelly Fan
Mayor vacilación. Errores gramaticales. Olvidar el significado de una palabra o pronunciar mal palabras comunes, o frases y modismos favoritos, que solían fluir naturalmente.
Los científicos han pensado durante mucho tiempo en descifrar esta degeneración lingüística como un indicador temprano de la enfermedad de Alzheimer. Una idea es usar software de lenguaje natural como una especie de “guía” que busca el uso inusual del lenguaje.
Suena simple, ¿verdad? Aquí está el problema: todo el mundo habla de manera diferente. Parece obvio, pero es un gran dolor de cabeza para la IA. Nuestros patrones de habla, cadencia, tono y elección de palabras están coloreados con matices de la historia personal y matices que la IA del idioma promedio lucha por descifrar. Una oración que es sarcástica para una persona puede ser completamente sincera para otra. Un error gramatical recurrente podría ser un hábito personal de décadas de uso indebido que ahora es difícil de cambiar, o un reflejo de la demencia.
Entonces, ¿por qué no aprovechar las herramientas de lenguaje de IA más creativas de hoy?
En un estudio publicado en PLOS Digital Health , un equipo de la Universidad de Drexel dio un gran paso para unir la fuerza creativa de GPT-3 con el diagnóstico neurológico. Usando un conjunto de datos disponible públicamente de transcripciones de voz de personas con y sin Alzheimer, el equipo volvió a entrenar a GPT-3 para seleccionar matices lingüísticos que sugieran demencia.
Cuando se alimentó con nuevos datos, el algoritmo detectó de manera confiable a los pacientes con Alzheimer de los sanos y pudo predecir el puntaje de las pruebas cognitivas de la persona, todo sin ningún conocimiento adicional de los pacientes o su historial.
“Hasta donde sabemos, esta es la primera aplicación de GPT-3 para predecir la demencia a partir del habla”, dijeron los autores. “El uso del habla como biomarcador proporciona un diagnóstico rápido, económico, preciso y no invasivo de la EA y la detección clínica”.
Madrugador
A pesar de los mejores esfuerzos de la ciencia, el Alzheimer es increíblemente difícil de diagnosticar. El trastorno, a menudo con una disposición genética, no tiene una teoría o tratamiento unificado. Pero lo que sabemos es que dentro del cerebro, las regiones asociadas con la memoria comienzan a acumular grupos de proteínas que son tóxicos para las neuronas. Esto causa inflamación en el cerebro, lo que acelera el deterioro de la memoria, la cognición y el estado de ánimo, y eventualmente erosiona todo lo que te hace ser tú.
La parte más insidiosa de la enfermedad de Alzheimer es que es difícil de diagnosticar. Durante años, la única forma de confirmar el trastorno era a través de una autopsia, en busca de signos reveladores de grupos de proteínas: bolas de beta-amiloide en el exterior de las células y cadenas de proteínas tau en el interior. En estos días, los escáneres cerebrales pueden capturar estas proteínas antes. Sin embargo, los científicos saben desde hace mucho tiempo que los síntomas cognitivos pueden aparecer mucho antes de que se manifiesten los grupos de proteínas.
Aquí está el lado positivo: incluso sin una cura, el diagnóstico temprano de la enfermedad de Alzheimer puede ayudar a los pacientes y sus seres queridos a hacer planes en torno al apoyo, la salud mental y la búsqueda de tratamientos para controlar los síntomas. Con la reciente aprobación de Leqembi por parte de la FDA , un fármaco que ayuda moderadamente a proteger el deterioro cognitivo en personas con alzhéimer en etapa inicial, la carrera para detectar la enfermedad a tiempo se está intensificando.
Di lo que piensas
En lugar de centrarse en escáneres cerebrales o biomarcadores sanguíneos, el equipo de Drexel recurrió a algo notablemente sencillo: el habla.
“Sabemos por investigaciones en curso que los efectos cognitivos de la enfermedad de Alzheimer pueden manifestarse en la producción del lenguaje”, dijo el autor del estudio, el Dr. Hualou Liang. “Las pruebas más utilizadas para la detección temprana de la enfermedad de Alzheimer analizan las características acústicas, como pausas, articulación y calidad vocal, además de las pruebas de cognición”.
La idea ha sido perseguida durante mucho tiempo por neurocientíficos cognitivos y científicos de IA. El procesamiento del lenguaje natural (NLP) ha dominado la esfera de la IA en su capacidad para reconocer el lenguaje cotidiano. Al alimentarlo con grabaciones de la voz de un paciente o sus escritos, los neurocientíficos podrían resaltar los “tics” vocales particulares que puede tener un determinado grupo de personas, por ejemplo, aquellos con Alzheimer.
Suena genial, pero estos son estudios muy personalizados. Se basan en el conocimiento de problemas específicos en lugar de preguntas y respuestas más universales. Los algoritmos resultantes están hechos a mano, lo que los hace difíciles de escalar a una población más amplia. Es como ir a un sastre por un traje o un vestido perfectamente ajustado, solo para darse cuenta de que no le queda bien a nadie más o incluso a usted mismo después de unos meses.
Eso es un problema para los diagnósticos. El Alzheimer, o diablos, cualquier otro trastorno neurológico, tiende a progresar. Un algoritmo entrenado de esta manera hace que sea “difícil de generalizar a otras etapas de progresión y tipos de enfermedades, que pueden corresponder a diferentes características lingüísticas”, dijeron los autores.
Por el contrario, los modelos de lenguaje grande (LLM), que subyacen en GPT-3, son mucho más flexibles para proporcionar una “comprensión y generación de lenguaje potente y universal”, dijeron los autores.
Un aspecto en particular les llamó la atención: la incrustación. En pocas palabras, significa que el algoritmo puede aprender de una gran cantidad de información y generar una especie de “idea” para cada “recuerdo”. Cuando se usa para texto, el truco puede descubrir patrones y características adicionales incluso más allá de lo que la mayoría de los expertos capacitados podrían detectar, dijeron los autores. En otras palabras, un programa impulsado por GPT-3, basado en la incrustación de texto, podría detectar diferencias en los patrones del habla que escapan a los neurólogos.
“El enfoque sistémico de GPT-3 para el análisis y la producción del lenguaje lo convierte en un candidato prometedor para identificar las características sutiles del habla que pueden predecir la aparición de la demencia”, dijo Felix Agbavor, autor del estudio. “Entrenar a GPT-3 con un conjunto de datos masivo de entrevistas, algunas de las cuales son con pacientes de Alzheimer, le proporcionaría la información que necesita para extraer patrones del habla que luego podrían aplicarse para identificar marcadores en futuros pacientes”.
Una solución creativa
El equipo usó fácilmente GPT-3 para dos medidas críticas de la enfermedad de Alzheimer: distinguir a un paciente de Alzheimer de uno sano y predecir la gravedad de la demencia de un paciente en función de un punto de referencia para la cognición denominado Mini-Examen del estado mental (MMSE).
Al igual que la mayoría de los modelos de aprendizaje profundo, GPT-3 está increíblemente hambriento de datos. Aquí, el equipo lo alimentó con el Desafío ADReSSo (Reconocimiento de la demencia de Alzheimer a través del habla espontánea), que contiene el habla cotidiana de personas con y sin Alzheimer.
Para el primer desafío, el equipo enfrentó sus programas GPT-3 contra dos que buscan “tics” específicos en el lenguaje. Ambos modelos, Ada y Babbage (un guiño a los pioneros de la informática) superaron con creces al modelo convencional basado únicamente en las características acústicas. A los algoritmos les fue aún mejor cuando predijeron la precisión del MMSE de demencia solo por las características del habla.
Cuando se comparó con otros modelos de detección de la enfermedad de Alzheimer de última generación, la edición de Babbage aplastó a los oponentes por su precisión y nivel de recuerdo.
“Estos resultados, en conjunto, sugieren que la incrustación de texto basada en GPT-3 es un enfoque prometedor para la evaluación de la EA y tiene el potencial de mejorar el diagnóstico temprano de la demencia”, dijeron los autores.
Con la exageración de GPT-3 y la IA en la atención médica en general, es fácil perder de vista lo que realmente importa: la salud y el bienestar del paciente. El Alzheimer es una enfermedad terrible, que literalmente erosiona la mente. Un diagnóstico temprano es información, y la información es poder, lo que puede ayudar a informar las opciones de vida y evaluar las opciones de tratamiento.
“Nuestra prueba de concepto muestra que esta podría ser una herramienta simple, accesible y adecuadamente sensible para las pruebas basadas en la comunidad”, dijo Liang. “Esto podría ser muy útil para la detección temprana y la evaluación de riesgos antes de un diagnóstico clínico”.
Crédito de la imagen: NIH
Fuente: https://singularityhub.com/2023/01/10/gpt-3s-next-mark-diagnosing-alzheimers-through-speech/
