Bệnh Alzheimer là một rối loạn thoái hóa thần kinh tiến triển đặc trưng bởi sự tích tụ của các mảng amyloid-β Ảnh: Shutterstock

Các nhà khoa học đang chuyển sang phân tích AI và lời nói để phát hiện ra các dấu hiệu sớm của bệnh Alzheimer theo những cách mà các phương pháp truyền thống có thể bỏ lỡ.

Hơn 7 triệu người Mỹ từ 65 tuổi trở lên đang sống chung với bệnh Alzheimer, và con số đó dự kiến sẽ tăng lên khi dân số già đi. Phát hiện tình trạng này sớm hơn có thể tạo ra sự khác biệt có ý nghĩa trong cách quản lý các triệu chứng và mức độ hỗ trợ của bệnh nhân, Hui Yang, Gary và Sheila Bello Chair về Kỹ thuật Công nghiệp và Sản xuất tại Penn State cho biết.

Để giải quyết thách thức này, Yang và nhà nghiên cứu tiến sĩ Kevin Mekulu đang khám phá cách trí tuệ nhân tạo (AI) có thể phát hiện ra các dấu hiệu cảnh báo sớm mà các bác sĩ lâm sàng có thể bỏ lỡ.

Các nghiên cứu gần đây của họ, được công bố trên Tạp chí Báo cáo Bệnh Alzheimer và Biên giới trong Khoa học thần kinh lão hóa, tập trung vào việc phân tích các mẫu tinh tế trong lời nói hàng ngày. Bằng cách kiểm tra những thay đổi trong lựa chọn từ, lưu loát và cấu trúc câu, khuôn khổ của chúng nhằm mục đích gắn cờ sự suy giảm nhận thức sớm hơn và nhất quán hơn các bài kiểm tra dựa trên giấy tiêu chuẩn, có thể thay đổi tùy thuộc vào người quản lý chúng.

Các nhà nghiên cứu cho biết cách tiếp cận này có thể di chuyển sàng lọc vượt ra ngoài các chuyến thăm phòng khám ngắn và hướng tới các công cụ nhanh hơn, dễ tiếp cận hơn phù hợp với việc chăm sóc định kỳ. Trong phần hỏi đáp, họ giải thích cách các phương pháp do AI điều khiển có thể giúp các bác sĩ lâm sàng phát hiện những thay đổi sớm hơn, theo dõi bệnh nhân theo thời gian và cuối cùng là cải thiện kết quả.

Hui Yang và Kevin Mekulu là hai trong số các nhà nghiên cứu tại Penn State khám phá cách sử dụng AI để phát triển và cải thiện các ứng dụng chăm sóc sức khỏe. Ảnh: Hui Yang

AI mang lại những lợi ích gì cho các phương pháp sàng lọc truyền thống

Các công cụ sàng lọc chứng mất trí truyền thống dựa trên giấy tờ, chủ quan và tốn nhiều tài nguyên, đòi hỏi 10 đến 15 phút thời gian của nhân viên để quản lý, trong khi thiếu sự nhạy cảm với những thay đổi nhận thức tinh tế và thể hiện sự không nhất quán giữa các giám đốc.

Với việc Hoa Kỳ phải đối mặt với tình trạng thiếu các chuyên gia lão khoa, việc có khoảng một bác sĩ lão khoa cho mỗi 10.000 bệnh nhân lão khoa và doanh thu nhân viên cao cấp trong các cơ sở chăm sóc cao cấp, một giải pháp AI có thể mở rộng là rất cần thiết.

Khuôn khổ của chúng tôi sử dụng các dấu ấn sinh học có thể giải thích, dựa trên lời nói để nắm bắt những thay đổi ngôn ngữ tinh tế và suy giảm nhận thức nhiều năm trước khi các công cụ truyền thống có thể, cung cấp sàng lọc khách quan và không xâm lấn cho các tình trạng thoái hóa thần kinh trong vòng chưa đầy một phút.

Điều gì làm cho cách tiếp cận của bạn khác với các mô hình AI “tĩnh” đã được

Hầu hết các mô hình AI được sử dụng ngày nay trong chăm sóc sức khỏe là tĩnh, có nghĩa là chúng chỉ đơn giản là tạo ra một đầu ra dựa trên đầu vào. Ngược lại, AI đại lý là những hệ thống có khả năng lập kế hoạch và thực hiện độc lập các nhiệm vụ phức tạp mà không cần sự giám sát của con người.

Nó được thiết kế để lý luận theo thời gian, điều chỉnh hành vi của nó và tương tác năng động với bệnh nhân hoặc bác sĩ lâm sàng. Trong công việc của chúng tôi, các tác nhân AI không chỉ ghi được một bài kiểm tra - họ hướng dẫn tương tác sàng lọc, điều chỉnh lời nhắc dựa trên phản hồi của một người và tích hợp nhiều tín hiệu, chẳng hạn như mô hình ngôn ngữ, hiệu suất nhiệm vụ và các yếu tố ngữ cảnh vào một đánh giá mạch lạc.

Điều này biến đổi việc sàng lọc từ phép đo một lần sang một quá trình phát triển phản ánh tốt hơn cách suy giảm nhận thức xảy ra ở bệnh nhân.

Một bài báo cho thấy cách các mẫu lời nói có thể được sử dụng như một công cụ để chẩn đoán. Tại sao nhìn vào các mẫu lời nói? AI của bạn làm điều này như thế nào?

Speech là một trong những hành vi dày đặc thông tin nhất mà con người tạo ra, đòi hỏi sự phối hợp của trí nhớ, sự chú ý, ngôn ngữ, chức năng điều hành và lập kế hoạch vận động - tất cả các hệ thống nhận thức bị ảnh hưởng sớm trong bệnh thoái hóa thần kinh.

AI của chúng tôi phân tích các động lực phức tạp và chuyển tiếp ẩn trong lời nói thay vì chỉ dựa vào ấn tượng lâm sàng chủ quan, tìm kiếm các mẫu tinh tế trong lựa chọn từ, lặp lại, thay đổi trôi chảy và tổ chức cấu trúc của ngôn ngữ để tiết lộ những thay đổi nhận thức từ lâu trước khi các triệu chứng trở nên rõ ràng.

Cách tiếp cận này cho phép chúng tôi trích xuất các dấu ấn sinh học khách quan, định lượng từ hành vi bệnh nhân tự nhiên, loại bỏ rất nhiều cách giải thích chủ quan liên quan đến các xét nghiệm truyền thống.

Có các hoạt động hoặc hành vi nào khác mà AI có thể phân tích để phát hiện bệnh thoái hóa thần kinh không? Các tác nhân AI có thể được thực hiện vào các khía cạnh khác của điều trị không?

Chắc chắn rồi. Lời nói là một điểm khởi đầu mạnh mẽ, nhưng nó chỉ là một phần của câu đố. Chúng ta có thể sử dụng AI để phân tích các mẫu chuyển động mắt, tín hiệu sinh lý, sự tham gia nhiệm vụ, hành vi vận động và thậm chí cách ai đó học hoặc thích nghi theo thời gian trong các nhiệm vụ giải quyết vấn đề. Giải thích tất cả các tín hiệu này với nhau cung cấp cho các bác sĩ lâm sàng một cái nhìn toàn diện hơn về sức khỏe nhận thức, không chỉ cho dù ai đó vượt qua hoặc thất bại một bài kiểm tra.

Các tác nhân AI cuối cùng có thể hỗ trợ lập kế hoạch chăm sóc, theo dõi những thay đổi nhận thức giữa các chuyến thăm phòng khám và giúp các bác sĩ lâm sàng xác định khi nào cần điều chỉnh các can thiệp. Thay vì thay thế các bác sĩ lâm sàng, các hệ thống này được thiết kế để giảm gánh nặng hành chính, làm nổi bật các mô hình có ý nghĩa và giúp chuyển đổi chăm sóc nhận thức từ phản ứng sang phòng ngừa.

Điều gì tiếp theo cho công việc này?

Chúng tôi đang tích cực đánh giá các phương pháp này trên các quần thể và bối cảnh lâm sàng khác nhau để đảm bảo sự mạnh mẽ và công bằng.

Ngoài ra, chúng tôi đang làm việc với Dr. Nicole Etter, phó giáo sư tại Khoa Khoa học và Rối loạn Truyền thông tại Penn State, và Tiến sĩ. Tim Brearly, một nhà tâm lý học thần kinh từ Penn State Health, để xem cách các công cụ này có thể được tích hợp vào môi trường sống và chăm sóc trí nhớ được hỗ trợ theo những cách thiết thực cho bệnh nhân và bác sĩ lâm sàng.

Những cài đặt này thường là nơi những thay đổi nhận thức tinh tế lần đầu tiên xuất hiện, nhưng các công cụ sàng lọc khách quan hiếm khi được sử dụng ở quy mô lớn. Chúng tôi mong muốn thu hẹp khoảng cách giữa nghiên cứu học thuật và ra quyết định lâm sàng hàng ngày bằng cách xác nhận các phương pháp này trong môi trường chăm sóc trong thế giới thực./.