Исследования показали, что если деменция Альцгеймера выявляется на ранней стадии, например, на стадии легкого когнитивного нарушения, снижение нервной функции может быть стабилизировано или даже сокращено в некоторых случаях.
QUT Ph.D. Исследователь в области науки о данных Ахмед Алкенани разработал модели автоматического машинного обучения с использованием языковых функций для определения нескольких стадий деменции, включая легкое когнитивное нарушение (MCI), возможное слабоумие Альцгеймера (PoAD) и вероятное слабоумие Альцгеймера (AD), то есть не полностью развитую AD.
"Можно определить языковые изменения за годы до развития деменции, что подчеркивает важность лингвистического анализа для раннего выявления деменции," сказал г-н Алкенани из школы компьютерных наук QUT.
"Наше исследование показывает, что ранние стадии деменции можно эффективно диагностировать с помощью лингвистических паттернов и недостатков с использованием моделей машинного обучения.
"Ранняя и точная диагностика важна для того, чтобы клиницисты могли вовремя вмешаться, чтобы отсрочить или предотвратить деменцию Альцгеймера.
"В настоящее время первоначальная диагностика проводится с помощью скрининговых тестов на бумаге, таких как Краткий экзамен на психическое состояние (MMSE) и Монреальский когнитивный тест (MoCA).
"Эти традиционные тесты обычно проводятся в клинике и включают ряд вопросов и задач для оценки кратковременной памяти, внимания, повторения и ориентации.
"Традиционные тесты основаны на опыте и уровне знаний невролога для проведения и оценки, и на результаты обычно влияют возраст пациента (возможность нормального возрастного когнитивного снижения) и уровень образования."
Г-н Алкенани сказал, что по мере того, как слабоумие прогрессирует, понимание человеком речи и речевой сложности снижается.
"Тяжесть деменции связана с ограниченным словарным запасом и частым повторением слов, что дает закономерности, которые мы можем использовать в качестве лингвистических биомаркеров по мере прогрессирования деменции," Г-н Алкенани сказал.
"В нашем исследовании были проанализированы языковые образцы из DementiaBank, большой базы данных с открытым исходным кодом языковых образцов от людей с различными стадиями когнитивных нарушений и деменции, которые взяли на себя известную задачу описания изображений «Кража файлов cookie».
"Для этого исследования мы представили несколько новых словарных и грамматических функций наряду с ранее установленными, чтобы обучить классификаторы машинного обучения определять лингвистические биомаркеры MCI и AD.
"Мы изучили 236 языковых образцов от людей с вероятным диагнозом AD, 43 образца от людей с MCI, 21 образец от людей с возможным AD и 243 от здоровых людей.
"Мы обнаружили, что люди с деменцией склонны использовать меньше существительных, но больше глаголов, местоимений и прилагательных по мере прогрессирования деменции по сравнению со здоровыми взрослыми.
"Например, мы обнаружили, что соотношение существительного и глагола и соотношение глагола и существительного имеют важное значение для дифференциации как AD, так и MCI от здоровых людей.
"Это интересно, поскольку предыдущие исследования показали, что существительные и глаголы изучаются и активируются в разных областях мозга, которые могут соответствовать той области мозга, которая в первую очередь поражается деменцией, и помогают в раннем вмешательстве."
Г-н Алкенани сказал, что это исследование считается первым, в котором AD, MCI и PoAD классифицируются точно и автоматически с помощью моделей машинного обучения.
"Мы изучили словесные и синтаксические паттерны и сопоставили эти паттерны на всех этапах, чтобы выделить самые сильные ассоциации.
"Наша конечная цель – разработать диалогового агента или чат-бота, который можно было бы использовать удаленно для облегчения первоначальной диагностики деменции на ранней стадии в качестве попытки заменить традиционные скрининговые тесты."
"Прогнозирование продромальной деменции с использованием лингвистических паттернов и недостатков" был опубликован в IEEE Access.