Neues KI-System identifiziert Alzheimer-Krankheit erfolgreich durch Sprachanalyse

Durch die Analyse von Sprachmustern haben Forscher/innen der Boston University ein KI-System entwickelt, das mit einer Genauigkeit von fast 80 % vorhersagen kann, ob jemand mit leichter kognitiver Beeinträchtigung innerhalb von sechs Jahren an Alzheimer erkranken wird.

Die Studiedie in der Fachzeitschrift Alzheimer’s & Dementia veröffentlicht wurde, nutzt KI, um wertvolle diagnostische Informationen aus kognitiven Beurteilungen zu extrahieren und so die Alzheimer-Diagnose und damit auch die Behandlung zu beschleunigen.

Das KI-Modell des Teams erreichte eine Genauigkeit von 78,5 % und eine Sensitivität von 81,1 % bei der Vorhersage des Fortschreitens von einer leichten kognitiven Beeinträchtigung (MCI) zur Alzheimer-Krankheit innerhalb eines Zeitraums von sechs Jahren. Damit übertrifft es andere traditionelle und nicht-invasive Tests.

Entscheidend ist jedoch, dass sich das System ausschließlich auf einfach zu beschaffende Daten stützt: Sprachaufzeichnungen aus kognitiven Tests und grundlegende demografische Informationen wie Alter, Geschlecht und Bildungsstand.

Bei kognitiven Tests wie dem Boston Naming Test spricht ein Arzt mit dem Patienten. Der Ton dieser Tests wird oft zur weiteren Analyse aufgezeichnet.

„Wir wollten vorhersagen, was in den nächsten sechs Jahren passieren wird – und wir haben herausgefunden, dass wir diese Vorhersage mit relativ großer Sicherheit und Genauigkeit treffen können“. sagte Ioannis (Yannis) Paschalidis, Direktor des BU Rafik B. Hariri Institute for Computing and Computational Science & Engineering und einer der leitenden Forscher der Studie.

„Wenn man vorhersagen kann, was passieren wird, hat man mehr Möglichkeiten und ein größeres Zeitfenster, um mit Medikamenten einzugreifen und zumindest zu versuchen, die Stabilität des Zustands zu erhalten und den Übergang zu schwereren Formen der Demenz zu verhindern.“

Mehr über die Studie

Hier ist eine Aufschlüsselung, wie die Studie funktionierte:

1. Das Forschungsteam begann damit, Audioaufnahmen von kognitiven Beurteilungen von 166 Teilnehmern zu sammeln, bei denen eine leichte kognitive Beeinträchtigung (MCI) diagnostiziert wurde. Dann verfolgten sie diese Personen über einen Zeitraum von sechs Jahren, um festzustellen, bei wem die Alzheimer-Krankheit fortschritt und bei wem sie stabil blieb.
2. Das Team nutzte fortschrittliche Spracherkennungstechnologie, um die Audioaufnahmen zu transkribieren und die Daten für die Analyse vorzubereiten.
3. Anschließend wendeten die Forscherinnen und Forscher ausgefeilte Techniken zur Verarbeitung natürlicher Sprache an, um eine Vielzahl von sprachlichen Merkmalen und Mustern zu extrahieren, von denen sie annahmen, dass sie als Indikatoren für das Alzheimer-Risiko dienen könnten.
4. Anschließend nutzten sie die Sprachmerkmale und demografischen Informationen, um mehrere maschinelle Lernmodelle zu entwickeln.
5. Diese KI-Modelle wurden entwickelt, um die Wahrscheinlichkeit vorherzusagen, dass eine bestimmte Person aufgrund ihrer einzigartigen Sprachmuster und persönlichen Merkmale von einer leichten kognitiven Beeinträchtigung zur Alzheimer-Krankheit fortschreiten würde.
6. Die Modelle erreichten eine Genauigkeit von 78,5 % und eine Sensitivität von 81,1 % bei der Vorhersage, welche Teilnehmer innerhalb des sechsjährigen Studienzeitraums an Alzheimer erkranken würden.
7. In einer abschließenden Analyse ermittelte das Forschungsteam die kognitiven Tests mit der höchsten Vorhersagekraft für das Alzheimer-Risiko, wie den Boston Naming Test, Ähnlichkeitstests und die Wechsler Adult Intelligence Scale.

„Digital ist das neue Blut“, sagt Rhoda Au, Professorin an der Chobanian & Avedisian School of Medicine der BU und Mitautorin der Studie.

„Man kann sie sammeln, für das, was heute bekannt ist, analysieren, speichern und für das, was morgen neu auftaucht, neu analysieren.“

Einer der interessantesten Aspekte der Studie war, dass bestimmte Teile der kognitiven Beurteilungen das zukünftige Alzheimer-Risiko besonders gut vorhersagen.

„Unsere Analyse ergab, dass die Untertests zu demografischen Fragen, der Boston Naming Test, die Ähnlichkeitstests und die Wechsler Adult Intelligence Scale die besten Ergebnisse für unser Modell lieferten“, schreiben die Forscher.

Dies könnte die Entwicklung von gezielteren kognitiven Tests ermöglichen und den Screening-Prozess weiter vereinfachen.

Obwohl die Ergebnisse vielversprechend sind, räumen die Forscher ein, dass eine weitere Validierung in größeren und vielfältigeren Populationen notwendig ist.

Spracherkennung kann die Tür zur Frühdiagnose öffnen

Die Sprachanalyse hat sich als wertvolle Technik zur Vorhersage von Alzheimer und anderen Krankheiten erwiesen.

In einer Studie aus dem Jahr 2020 Ähnlich wie in der Studie der Boston University haben Forscher der University of Sheffield gezeigt, dass ihre KI in der Lage ist, mit einer Genauigkeit von 86,7 % zwischen Teilnehmern mit Alzheimer-Krankheit oder leichter kognitiver Beeinträchtigung und solchen mit funktionellen kognitiven Störungen oder gesunden Kontrollen zu unterscheiden.

Forscher/innen von Klick Labs haben auch ein KI-Modell entwickelt das Typ-2-Diabetes anhand kurzer Sprachaufnahmen von nur 6 bis 10 Sekunden erkennen kann. Diabetes im fortgeschrittenen Stadium kann die Stimme durch Nervenschäden, Durchblutungsstörungen und Mundtrockenheit beeinträchtigen, was zu erkennbaren Veränderungen führt.

In der Studie wurden 18.000 Aufnahmen analysiert, um subtile akustische Unterschiede zwischen Diabetikern und Nicht-Diabetikern festzustellen.

In Kombination mit Faktoren wie Alter und BMI erreichte das Modell eine maximale Testgenauigkeit von 89 % bei Frauen und 86 % bei Männern.

Zusammengenommen beweisen diese Studien, dass KI-gestützte nicht-invasive Tests und Diagnosemethoden zu einer schnelleren und effektiveren Behandlung führen könnten, selbst wenn keine Fachärzte und Geräte zur Verfügung stehen.