Gli algoritmi di intelligenza artificiale dietro il programma chatbot (motore che analizza il linguaggio) ChatGPT, che ha attirato l'attenzione per la sua capacità di generare risposte scritte di tipo umano ad alcune delle interrogazioni più creative, un giorno potrebbero essere in grado di aiutare i medici a rilevare il morbo di Alzheimer (MA) nelle prime fasi.
Una ricerca eseguita alla Drexel University di Filadelfia ha dimostrato che il programma GPT-3 di OpenAI può identificare gli indizi da un discorso spontaneo, che sono accurati fino all'80% nel prevedere le prime fasi della demenza.
Lo studio, pubblicato su PLOS Digital Health, è l'ultimo di una serie di sforzi che mostrano l'efficacia dei programmi di elaborazione del linguaggio naturale per la previsione precoce del MA, sfruttando altre ricerche che suggeriscono che la compromissione del linguaggio può essere un primo indicatore dei disturbi neurodegenerativi.
Ricerca di un segno precoce
L'attuale pratica per la diagnosi del MA comporta in genere una revisione della storia medica e una lunga serie di valutazioni e test fisici e neurologici. Sebbene non vi sia ancora alcuna cura per la malattia, individuarla in anticipo può offrire ai pazienti più opzioni per terapie e supporto.
Poiché la compromissione del linguaggio è un sintomo nel 60-80% dei pazienti con demenza, i ricercatori si sono concentrati su programmi che possono cogliere indizi sottili (come esitare, commettere errori di grammatica e pronuncia, e dimenticare il significato delle parole) come test rapido che potrebbe indicare se un paziente dovrebbe sottoporsi a un esame completo.
"Sappiamo dalla ricerca continua che gli effetti cognitivi del MA possono manifestarsi nella produzione del linguaggio", ha affermato Hualou Liang PhD, professore di Ingegneria Biomedica, Scienza e Sistemi Sanitari e autore senior della ricerca. "I test più usati per la diagnosi precoce del MA analizzano le caratteristiche acustiche, come pausa, articolazione e qualità vocale, oltre ai test di cognizione. Ma riteniamo che il miglioramento dei programmi che elaborano il linguaggio naturale fornisca un altro percorso per supportare l'identificazione precoce del MA".
Un programma che ascolta e impara
Il GPT-3, ufficialmente la 3a generazione del General Pretrained Transformer (GPT) di OpenAI, usa un algoritmo di apprendimento profondo, addestrato elaborando vaste aree di informazioni da Internet, con particolare attenzione a come vengono impiegate le parole e costruito il linguaggio. Questo allenamento gli consente di produrre una risposta umana a qualsiasi compito che coinvolga il linguaggio, dalle risposte a semplici domande, alla scrittura di poesie o saggi.
Il GPT-3 è particolarmente bravo nell'«apprendimento zero dati», il che significa che può rispondere a domande che normalmente richiederebbero conoscenze esterne che non sono state fornite. Ad esempio, chiedere al programma di scrivere 'Note di Cliff' di un testo, normalmente richiederebbe di spiegare che ciò significa fare un riepilogo. Ma il GPT-3 ha subito una formazione sufficiente per comprendere il riferimento e adattarsi per produrre la risposta prevista.
"L'approccio sistemico di GPT3 all'analisi e alla produzione del linguaggio lo rende un candidato promettente per identificare le sottili caratteristiche del parlato che possono prevedere l'insorgenza della demenza", ha affermato Felix Agbavor, ricercatore della Drexel e primo autore del documento. "L'allenamento del GPT-3 con una enorme quantità di dati da interviste, alcune delle quali con pazienti di MA, fornirebbero le informazioni di cui ha bisogno per estrarre modelli vocali che potrebbero essere applicati per identificare i marcatori nei futuri pazienti".
Alla ricerca di segnali vocali
I ricercatori hanno testato la loro teoria addestrando il programma con una serie di trascrizioni dalla porzione di un insieme di dati di registrazioni vocali compilate con il supporto del National Institutes of Health, specificamente allo scopo di testare la capacità dei programmi di elaborazione del linguaggio naturale di prevedere la demenza. Il programma ha acquisito caratteristiche significative dell'uso delle parole, della struttura della frase al significato del testo, per produrre ciò che i ricercatori chiamano un 'incorporamento', un profilo caratteristico del discorso di MA.
Hanno quindi usato l'incorporamento per ri-allenare il programma, trasformandolo in una macchina di rilevamento del MA. Per testarlo hanno chiesto al programma di rivedere dozzine di trascrizioni dai dati e decidere se ognuna era prodotta o meno da qualcuno che stava sviluppando il MA.
Eseguendo alla stesso ritmo altri due dei principali programmi di elaborazione del linguaggio naturale, il gruppo ha scoperto che il GPT-3 ha ottenuto risultati migliori di tutti, identificando in modo più accurato gli esempi di MA, identificando i non-esempi di MA e con meno casi mancati rispetto agli altri programmi. Un secondo test ha usato l'analisi testuale di GPT-3 per prevedere il punteggio di vari pazienti dal set di dati in un test comune che prevede la gravità della demenza, chiamato Mini-Mental State Exam (MMSE).
Il team ha quindi confrontato l'accuratezza della previsione di GPT-3 con quella di un'analisi che usava solo le caratteristiche acustiche delle registrazioni, come pause, forza vocale e biascicamento, per prevedere il punteggio MMSE. Il GPT-3 si è rivelato quasi del 20% più accurato nella previsione dei punteggi MMSE dei pazienti. I ricercatori concludono:
"I nostri risultati dimostrano che l'incorporamento del testo, generato dal GPT-3, può essere usato in modo affidabile non solo per rilevare le persone con MA da controlli sani, ma anche per calcolare il punteggio dei test cognitivi del soggetto, entrambi esclusivamente sulla base dei dati del parlato.
“Mostriamo inoltre che l'incorporamento del testo supera l'approccio convenzionale basato su caratteristiche acustiche e si comporta persino in modo competitivo con modelli perfezionati. Questi risultati, tutti insieme, suggeriscono che l'incorporamento del testo basato su GPT-3 è un approccio promettente per la valutazione del MA e ha il potenziale per migliorare la diagnosi precoce della demenza".
La ricerca continua
Per approfittare di questi risultati promettenti, i ricercatori stanno pianificando di sviluppare un'applicazione web che potrebbe essere usata a casa o nello studio del medico come strumento di pre-rilevamento.
"La nostra prova di concetto mostra che questo potrebbe essere uno strumento semplice, accessibile e adeguatamente sensibile per i test in comunità", ha affermato Liang. "Ciò potrebbe essere molto utile per il rilevamento precoce e per la valutazione del rischio prima di una diagnosi clinica".
Fonte: Drexel University (> English) - Traduzione di Franco Pellizzari.
Riferimenti: F Agbavor, H Liang. Predicting dementia from spontaneous speech using large language models. PLOS Digital Health, 2022, DOI
Copyright: Tutti i diritti di testi o marchi inclusi nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer OdV di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.
Associazione Alzheimer OdV
