Komputer diajarkan untuk mendeteksi demensia dengan akurasi 93%

Ketakutan akan kegilaan adalah salah satu fobia Homo sapiens yang paling kuat. Dua ratus tahun yang lalu, Alexander Pushkin menulis tentang ini yang terkenal "Ya ampun, aku kehilangan akal." Sekarang, di abad ke dua puluh satu yang progresif, sedikit yang berubah, dan kita masih takut akan gangguan mental. Misalnya, di Rusia, demensia membuat orang lebih takut daripada kanker dan stroke: 45% responden menyebutnya penyakit paling mengerikan di usia tua (data survei di portal Kesehatan Mail.ru).

Untungnya, kedokteran saat ini berjuang dengan demensia jauh lebih berhasil daripada di era Pushkin. Dengan diagnosis dini, kerusakan kepribadian dapat dicegah dan kemampuan kognitif dipertahankan. Dan baru-baru ini, sebuah program dikembangkan di Universitas Osaka untuk diagnosis dini demensia berdasarkan kecerdasan buatan. Proyek ini menggunakan algoritma pembelajaran mesin dan data yang diperoleh dalam proses bekerja dengan orang sakit dan sehat; akurasi diagnostik adalah 93%.

Apa itu demensia dan bagaimana ia dikenali

Mari kita mulai dengan definisi. Dementia - Dementia didapat, penurunan terus-menerus dalam aktivitas kognitif dengan hilangnya pengetahuan dan keterampilan praktis dan kesulitan atau ketidakmungkinan untuk mendapatkan yang baru. Ini terjadi sebagai akibat kerusakan otak, paling sering di usia tua. Demensia disertai dengan penyakit Alzheimer (menyumbang hingga 60% kasus), hidrosefalus normotensif, tumor intrakranial, dan abses.

Mengenali demensia “dengan mata” tidak mudah: bahkan orang dekat mungkin tidak memperhatikan selama bertahun-tahun bahwa ada sesuatu yang salah dengan seseorang. Dan ketika mereka menemukan bahwa kerabat mereka lupa nama mereka atau tersesat di sepanjang jalan ke toko, perubahan otak sudah terlalu jauh.

"Kebutaan" semacam itu terutama disebabkan oleh fakta bahwa demensia dalam masyarakat kita distigmatisasi dan orang hanya tahu sedikit tentang itu. Ciri gangguan ini juga berperan: perubahan terjadi secara bertahap.

Namun, dokter dapat mengenali demensia pada tahap awal. Untuk ini, tes psikologis dilakukan dengan pasien (salah satu yang paling terkenal adalah tes Wexler), dan untuk mengkonfirmasi diagnosis, mereka mengambil tes cairan serebrospinal dan melakukan MRI.

“Tes Wexler (atau skala Wechsler) adalah salah satu tes paling terkenal untuk mengukur tingkat perkembangan intelektual. Dirancang oleh David Wexler pada tahun 1939. Tes ini didasarkan pada model hierarkis kecerdasan D. Wexler dan mendiagnosis kecerdasan umum dan komponennya - kecerdasan verbal dan non-verbal. " Wikipedia

Sistem yang ada rumit dan tidak nyaman, karena pasien perlu bertemu dengan ahli saraf dan meluangkan waktu untuk lulus tes. Jika semua orang tua diperiksa setiap tahun untuk gejala demensia, beban pada dokter akan meningkat beberapa kali.


WHO memprediksi peningkatan tiga kali lipat dalam kasus demensia pada tahun 2050

AI untuk membantu

Solusi untuk masalah ini diusulkan di Universitas Osaka: bekerja sama dengan Institut Sains dan Teknologi Nara, mereka mengembangkan program yang melakukan wawancara dengan orang-orang dan menganalisis pidato dan ekspresi wajahnya. Program ini didasarkan pada kecerdasan buatan; ia belajar berdasarkan wawancara dengan orang sehat dan orang-orang dengan diagnosis demensia yang dikonfirmasi. Program ini mengkategorikan orang sebagai "dengan gejala demensia" atau "tanpa gejala demensia" dengan akurasi 93%. Ini sesuai dengan metode "analog" yang paling efektif.

Bagaimana cara kerjanya

Lulus tes komputer untuk demensia, orang tua berkomunikasi dengan avatar program - seorang gadis animasi. Dia mengajukan pertanyaan yang digandakan dalam terjemahan dan “mendengarkan” jawaban. Setelah itu, program ini menganalisis ujaran dan ekspresi wajah peserta tes dengan beberapa parameter dan menampilkan hasilnya.

Ketika para ilmuwan dari Nara dan Osaka menjelaskan dalam sebuah publikasi yang menggambarkan karya mereka, mereka menciptakan sebuah avatar yang “dipenjara” untuk orang yang lebih tua: gadis yang dicat itu memiliki kecepatan bicara yang lambat, dan setelah frasa ia berhenti. Kata-kata diduplikasi dalam subtitle besar. Ketika peserta tes menjawab, sistem mengenali pernyataan itu, setelah itu avatar menganggukkan kepalanya. Para pengembang meminjam teknik ini dari program animasi populer di Jepang - MikuMikuDance: menurut pengguna, ini membuat karakter lebih hidup.


Tes yang dikembangkan meliputi beberapa dialog dan skenario: a) pasien berbicara tentang dirinya sendiri; b) kemampuannya untuk berkonsentrasi matanya diuji; c) membaca; f) bercerita - pasien diminta untuk mengingat cerita; e) pertanyaan acak (misalnya, “Bagaimana selera Anda?”).

Ada enam blok dalam tes, yang dibangun di atas metode yang berbeda. Yang pertama adalah pengantar (pertanyaan sederhana "Siapa namamu?" Dan "Berapa umurmu?"). Ini memperkenalkan pengguna ke sistem dan memberikan waktu untuk terbiasa dengan manajemen. Berikut ini adalah blok berdasarkan pada dua metode otoritatif untuk menilai kemampuan kognitif: tes Wexler dan skala penilaian status mental singkat (MMSE). Ada juga satu blok pertanyaan dan jawaban acak dalam tes ("Tahun berapa itu?", "Apakah Anda tidur nyenyak?", "Siapa Perdana Menteri Jepang?"), Dalam jawaban yang programnya menganalisis informasi sebanyak parameter suara.

Dalam karya ini, para ilmuwan mengandalkan studi tentang bicara penderita demensia: mereka mengalami kesulitan memahami frasa, mengambil kata-kata untuk waktu yang lama, dan kosa kata aktif mereka berkurang. Tetapi untuk menganalisis ucapan dalam semua parameter yang dipilih, program ini membutuhkan berminggu-minggu pembelajaran mesin.

Alat dan Metodologi

Untuk mengumpulkan bahan, 29 peserta dipilih: 14 - pasien di Rumah Sakit Universitas Osaka dengan diagnosis demensia yang dikonfirmasi; 15 - orang tua tanpa diagnosis ini. Masing-masing dari mereka mendengarkan pertanyaan tes dan menjawabnya.

Setelah itu, pengembang memisahkan file audio dari video dan secara manual menyalin data menggunakan aplikasi Audacity, memecah pidato menjadi pernyataan terpisah. Selanjutnya, bahan dianalisis untuk beberapa faktor.

1) Fitur bicara: kekuatan suara, kecepatan artikulasi dan suara serak. Parameter diestimasi berdasarkan spektogram. Kesenjangan antara pertanyaan avatar dan jawaban responden juga dianalisis.

2) Fitur bahasa. Menggunakan program Mecab, kami menganalisis jumlah kata-kata penting dan "suara ketidakpastian" - "mmmm", "ehhh". Frekuensi penggunaan kata-kata yang sama dan hubungannya dengan "suara ketidakpastian" memberikan penilaian perkiraan kosakata.

3) Gambar. Pengembang mengidentifikasi dari video yang menggambarkan model perempuan 31 sampel wajah bahagia dan 30 wajah netral. 68 fitur dianalisis di masing-masing wajah (tinggi alis, sudut bibir, lebar mata, dan lainnya). Berdasarkan data ini, AI belajar menentukan apakah ada senyum di wajah.

Selama wawancara dengan responden, program menentukan untuk setiap frame apakah responden tersenyum atau tidak; statistik yang dikumpulkan disebut "indeks senyum". Penderita Alzheimer cenderung lebih sering tersenyum, sehingga indeks mereka terlalu tinggi. Dan dengan gangguan mental lain yang terkait dengan demensia, emosi, sebaliknya, berkurang.

Arah pandangan juga dipantau: penelitian menunjukkan bahwa beberapa pasien dengan demensia berhenti mempertahankan kontak mata dengan lawan bicaranya.

Untuk memproses hasilnya, kami menggunakan algoritma Support Vector Machines (SVM, atau metode vektor dukungan) dengan kernel linear dan regresi logis. Ini adalah klasifikasi biner yang secara efektif menyelesaikan tugas: menugaskan responden ke kelompok "dengan gejala demensia" atau "tanpa gejala demensia".

Prospek

Pengembang berencana untuk mengadaptasi program untuk bahasa lain dan tipe orang nasional lainnya (dia belajar dalam bahasa Jepang). Juga direncanakan untuk meningkatkan modul. Pertama, ambil dataset baru untuk menganalisis ekspresi wajah, berdasarkan wajah bukan model muda, tetapi orang tua. Ini akan meningkatkan akurasi pengenalan ekspresi. Kedua, perluas kelompok kontrol untuk menerima lebih banyak data dari orang-orang dengan berbagai jenis gangguan mental. Direncanakan bahwa program ini akan belajar tidak hanya untuk mengkonfirmasi adanya gejala demensia, tetapi juga untuk menentukan jenisnya dengan tanda-tanda eksternal: ini akan menjadi penting ketika seorang dokter membuat diagnosis.

PS Pada bulan November, Smile-Expo akan mengadakan dua konferensi tentang kecerdasan buatan: di Kiev (14 November) dan di Moskow (22 November).

Di Moskow, pembicara konferensi akan berbicara tentang kecerdasan buatan, Big Data, pembelajaran mesin, obrolan bot dan keamanan informasi; akan membandingkan kecerdasan buatan dan Otomatisasi Proses Robot (mensimulasikan tindakan pengguna menggunakan program). Konferensi ini akan menjadi tuan rumah panel diskusi tentang topik "Kecerdasan Buatan dan Internet of Things: Harapan dan Realitas".

Di Kiev, tujuan utama konferensi adalah penataan pengetahuan tentang otomatisasi proses bisnis menggunakan kecerdasan buatan. Fokusnya akan pada implementasi AI dalam proses bisnis: area implementasi yang menguntungkan, perhitungan efisiensi, manajemen proyek.