Neue Technologien, die auf Künstlicher Intelligenz beruhen, sind in der Lage, kleinste Veränderungen der Stimme von Patient:innen zu erfassen und können so den Ärzt:innen helfen, kognitiven Abbau und die Alzheimer-Krankheit festzustellen, bevor die ersten Symptome auftreten. Dies sind die Ergebnisse einer Studie, die in Diagnosis, Assessment&Disease Monitoring der Alzheimer’s Association erschienen ist.
„Unser Ziel war, die kleinen Veränderungen der Sprache und der Stimme festzustellen, die in den ganz frühen Phasen von Alzheimer auftreten und für die Familie oder den Hausarzt eines Menschen nur schwer zu erkennen sind“, erklärt Ihab Hajjar, Proffesor für Neurologie am Peter O’Donnell Jr. Brain Institute des UT Southwestern
Die Forschenden benutzten fortgeschrittene Tools für Maschinenlernen und die Verarbeitung der natürlichen Sprache (NLP), um die Sprachmodelle von 206 Menschen zu bewerten: 114, die den Kriterien eines leichten kognitiven Abbaus entsprachen und 92 ohne Probleme. Danach verglich das Team die Ergebnisse mit den gewöhnlich verwendeten Biomarkern, um die Effizienz bei der Messung des Abbaus festzustellen.
Die Studienteilnehmer:innen, die an einem Forschungsprogramm der Emory University in Alabama eingeschrieben sind, hatten eine Reihe von Standardtests für die kognitiven Funktionen absolviert, bevor sie gebeten wurden, eine spontane Beschreibung eines Kunstwerks von 1-2 Minuten aufzunehmen.
„Die aufgenommenen Beschreibungen haben uns eine Annäherung an die Gesprächsfähigkeit geliefert, die wir mit Künstlicher Intelligenz untersucht haben, um die motorische Sprachsteuerung, die Tiefe des Denkens, die grammatische Komplexität und andere Merkmale der Sprache zu ermitteln“, fährt Hajjar fort.
Danach verglich das Forscherteam die Sprachanalyse der Teilnehmenden mit entnommener Gehirn-Rückenmark-Flüssigkeit und MRT-Aufnahmen, um zu bestimmen, mit welcher Präzision die vokalen Biomarker sowohl den leichten kognitiven Abbau wie das Stadium und den Fortschritt der Alzheimer-Krankheit festgestellt hatten.
„Vor der Entwicklung des Maschinenlernens und von NLP war die es extrem aufwändig, die Sprachmodelle von Patient:innen genau zu untersuchen, und häufig hatte es keinen Erfolg, weil die Veränderungen in den ersten Phasen oft vom menschlichen Ohr nicht feststellbar sind“, erklärt Hajjar. „Diese Methode hat gut funktioniert, wenn es darum ging, Menschen mit leichtem kognitiven Verfall und speziell Patient:innen mit Alzheimer zu ermitteln, auch wenn dies mit Standardtests nicht möglich ist.“
Während der Studie brauchten die Forschenden weniger als zehn Minuten, um die Sprachaufnahme eines Teilnehmenden durchzuführen. Für die Durchführung traditioneller neuropsychologischer Tests sind im Allgemeinen mehrere Stunden nötig.
„Wenn der Einsatz von künstlicher Intelligenz und Maschinenlernen von umfangreicheren Studien zur Untersuchung von Sprachaufnahmen bestätigt wird, stünde den Hausärzt:innen ein einfaches Screening-Instrument für gefährdete Menschen zur Verfügung“, schließt Hajjar. „Mit frühen Diagnosen hätten die Patient:innen und ihre Familien mehr Zeit, um die Zukunft zu planen, und die Ärzt:innen mehr Flexibiltät, um Veränderungen des Lebensstils zu empfehlen.“
Fonte
Hajjar I et al. Development of digital voice biomarkers and associations with cognition, cerebrospinal biomarkers, and neural representation in early Alzheimer’s disease. Alzheimers Dement (Amst) 2023;15(1):e12393.