Künstliche Intelligenz: KI diagnostiziert Alzheimer durch Stimmprobe

Boston – Eine neue KI-Software erkennt anhand der Stimme eines Menschen Alzheimer 6 Jahre früher als bisher und das mit einer Wahrscheinlichkeit von 78,5 Prozent. Die Sprachmustererkennung haben Forscher der Boston University (BU) entwickelt. Das gibt Ärzten die Möglichkeit, frühzeitig zu reagieren und den Ausbruch der Krankheit möglicherweise zu verzögern.

Schneller Test als Vorteil

Um herauszufinden, ob jemand an Alzheimer erkrankt ist, sind in der Regel zahlreiche Untersuchungen erforderlich – Befragungen, Bildgebung des Gehirns sowie Blut- und Liquor-Untersuchungen. Liquor ist die Rückenmark-Flüssigkeit. Wird die Krankheit mit dieser Methode diagnostiziert, ist sie bereits ausgebrochen, sodass die Wirksamkeit von Gegenmaßnahmen geringer oder gar nicht mehr gegeben ist.

Laut den Experten werden nicht nur frühere Diagnosen möglich. Auch könnte das Verfahren die Untersuchung auf kognitive Beeinträchtigungen zugänglicher machen, indem Teile des Prozesses automatisiert werden – ohne teure Labortests, bildgebende Untersuchungen oder gar Arztbesuche. Das Modell basiert auf maschinellem Lernen, bei dem der Software beigebracht wird, Daten selbstständig zu analysieren.

Zeitfenster für Maßnahmen

„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“, sagt Ioannis (Yannis) Paschalidis, Professor und Direktor des BU-Instituts für Computerwissenschaften.

Um ihr Modell zu trainieren, haben die Forscher auf Daten aus einer der ältesten und am längsten laufenden US-Studien, der von der BU geleiteten Framingham Heart Study, zurückgegriffen. Obwohl diese sich auf die kardiovaskuläre Gesundheit konzentriert, werden Teilnehmer, die Anzeichen eines kognitiven Rückgangs aufweisen, regelmäßig neuropsychologischen Tests und Befragungen unterzogen, die eine Fülle von Infos über ihr kognitives Wohlbefinden liefern.

Paschalidis und seine Kollegen haben Audioaufzeichnungen von 166 Interviews mit Personen im Alter zwischen 63 und 97 Jahren erhalten, bei denen eine leichte kognitive Beeinträchtigung diagnostiziert worden war. Anschließend verwendeten sie eine Kombination aus Spracherkennungsprogrammen und maschinellem Lernen, um ein Modell zu trainieren, das Zusammenhänge zwischen Sprache, demografischen Merkmalen, Diagnose und Krankheitsverlauf erkennt. Die Software berücksichtigt ausschließlich die Inhalte der Aussagen.

Quelle: www.pressetext.com
(pte002/27.06.2024/06:05)