Samenvatting: Onderzoekers gebruikten kunstmatige intelligentie om de spraak van Parkinson-patiënten te analyseren en verschillende patronen aan het licht te brengen. De AI ontdekte dat Parkinson-patiënten meer werkwoorden gebruikten maar minder zelfstandige naamwoorden en vullers in hun spraak, zelfs voordat de cognitieve achteruitgang die typisch geassocieerd wordt met PD duidelijk was.
De test was in staat om Parkinson-patiënten te identificeren met een nauwkeurigheid van meer dan 80%, wat een potentieel nieuw hulpmiddel biedt voor vroege diagnose. Deze studie benadrukt het potentieel van natuurlijke taalverwerking, een tak van kunstmatige intelligentie, bij het verbeteren van de diagnose in de gezondheidszorg.
Basiselementen:
- De studie gebruikte kunstmatige intelligentie, met name natuurlijke taalverwerking (NLP), om de spraak van Parkinson-patiënten te analyseren en verschillende patronen in hun taalgebruik aan het licht te brengen.
- Vergeleken met gezonde controles gebruikten Parkinsonpatiënten meer werkwoorden maar minder zelfstandige naamwoorden en vulstoffen in hun gesprekken.
- Deze verschillende spraakpatronen waren detecteerbaar zelfs vóór het begin van de cognitieve achteruitgang die kenmerkend is voor Parkinsonpatiënten.
- Door deze spraakpatronen te analyseren, konden de onderzoekers mensen met de ziekte van Parkinson met een nauwkeurigheid van meer dan 80% identificeren, wat wijst op potentieel voor vroege diagnose.
Bron: Universiteit van Nagoya
Met behulp van kunstmatige intelligentie (AI) om natuurlijke taal te verwerken, beoordeelde een onderzoeksteam spraakkenmerken bij patiënten met de ziekte van Parkinson (PD). AI-analyse van hun gegevens stelde vast dat deze patiënten spraken met meer werkwoorden en minder zelfstandige naamwoorden en vulstoffen.
De studie werd geleid door professor Masahisa Katsuno en dr. Katsunori Yokoi, Nagoya University Graduate School of Medicine, in samenwerking met Aichi Prefectural University en Toyohashi University of Technology.
Ze publiceerden hun resultaten in het tijdschrift Parkinsonisme en aanverwante aandoeningen.
Natuurlijke taalverwerking (NLP) is een tak van kunstmatige intelligentie die erop gericht is computers in staat te stellen grote hoeveelheden menselijke taalgegevens te begrijpen en te interpreteren met behulp van statistische modellen om patronen te detecteren. Aangezien PD-patiënten een verscheidenheid aan spraakgerelateerde problemen ervaren, waaronder verminderde spraakproductie en taalgebruik, gebruikte het team NLP om verschillen in de spraakpatronen van patiënten te analyseren op basis van 37 kenmerken met behulp van teksten uit gratis gesprekken.
Uit de analyse bleek dat PD-patiënten per zin minder zelfstandige naamwoorden, eigennamen en vulstoffen gebruikten. Aan de andere kant spraken ze met een hoger percentage werkwoorden en variatie voor hoofdletterdeeltjes (een belangrijk kenmerk van de Japanse taal) per zin.
Volgens Yokoi: “Als ik ze vroeg om ‘s ochtends over hun dag te praten, zei een PD-patiënt bijvoorbeeld zoiets als:” Ik werd om 04.50 uur wakker. Ik dacht dat het een beetje vroeg was, maar ik stond op. Het kostte me ongeveer een half uur om naar het toilet te gaan, dus ik waste me en kleedde me rond 5.30 uur aan. Mijn man heeft ontbijt gekookt. Ik had ontbijt na 6 uur. Daarna poetste ik mijn tanden en maakte ik me klaar om uit te gaan.”
Yokoi vervolgde: “Terwijl iemand in de gezonde controlegroep zoiets zou kunnen zeggen als: ‘Nou,’ s ochtends werd ik om zes uur wakker, kleedde me aan en, ja, ik waste mijn gezicht. Daarna heb ik mijn kat en hond gevoerd. Mijn dochter maakte een maaltijd klaar, maar ik zei haar dat ik niet kon eten en ik eh, dronk wat water.’
“Hoewel dit voorbeelden zijn die we hebben gemaakt van gesprekken die de kenmerken van mensen met PD en gezonde mensen weerspiegelen, moet je zien dat de algehele duur vergelijkbaar is”, legt Yokoi uit.
“PD-patiënten spreken echter kortere zinnen dan controlepersonen, wat leidt tot meer werkwoorden in de machine learning-analyse. De gezonde controle gebruikt ook meer vullers, zoals ‘nou’ of ‘mmm’, om zinnen te verbinden.”
Het meest veelbelovende aspect van dit onderzoek is dat het team het experiment uitvoerde bij patiënten die nog niet de kenmerkende cognitieve achteruitgang vertoonden die wordt waargenomen bij de ziekte van Parkinson. Daarom bieden hun bevindingen een potentieel middel voor vroege detectie om PD-patiënten te onderscheiden.
“Onze resultaten suggereren dat zelfs als er geen cognitieve achteruitgang was, de gesprekken van PD-patiënten verschilden van die van gezonde personen”, concludeert professor Katsuno, die de studie leidde.
“Toen we probeerden om PD-patiënten of gezonde controles te identificeren op basis van deze conversatieveranderingen, konden we PD-patiënten met een nauwkeurigheid van meer dan 80% identificeren. Dit resultaat suggereert het potentieel van linguïstische analyse met behulp van natuurlijke taalverwerking om de ziekte van Parkinson te diagnosticeren.”
Over dit AI en Parkinson-onderzoeksnieuws
Auteur: Matthew Coslett
Bron: Universiteit van Nagoya
Contact: Matthew Coslett – Universiteit van Nagoya
Afbeelding: Afbeelding gecrediteerd aan Neuroscience News
Originele onderzoek: Gesloten toegang.
“Analyse van spontane spraak bij de ziekte van Parkinson met natuurlijke taalverwerking” door Masahisa Katsuno et al. Parkinsonisme en aanverwante aandoeningen
Abstract
Analyse van spontane spraak bij de ziekte van Parkinson met natuurlijke taalverwerking
Invoering
Patiënten met de ziekte van Parkinson (PD) ervaren een verscheidenheid aan spraakgerelateerde problemen, waaronder dysartrie en taalstoornissen. Om de pathofysiologische mechanismen voor taalverandering bij PD op te helderen, vergeleken we de expressie van patiënten en die van gezonde controles (HC) met behulp van geautomatiseerde morfologische analysetools.
methoden
We namen 53 cognitief normale PD-patiënten en 53 HC op en beoordeelden hun spontane spraak met behulp van natuurlijke taalverwerking. Machine learning-algoritmen werden gebruikt om de kenmerken van spontane gesprekken in elke groep te bepalen. In deze analyse werden zevenendertig kenmerken gebruikt die gericht waren op woordsoort en syntactische complexiteit. Een support-vector machine (SVM)-model werd getraind met tienvoudige kruisvalidatie.
Resultaten
PD-patiënten bleken minder morfemen in een zin te spreken dan de HC-groep. Vergeleken met HC, had de spraak van PD-patiënten een groter aandeel werkwoorden, hoofdletterdeeltjes (verspreiden) en werkwoorduitingen en een lager aandeel zelfstandig naamwoord, eigennaam en opvuluitingen. Met behulp van deze conversatieveranderingen waren de respectieve discriminatiepercentages voor PD of HC meer dan 80%.
conclusies
Onze resultaten demonstreren het potentieel van natuurlijke taalverwerking voor taalanalyse en diagnose van PD.
