Νέα AI αναλύει τη φωνή και ανιχνεύει τον κίνδυνο άνοιας

Σύνοψη

• Ερευνητές ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης το οποίο αναλύει εκατοντάδες μοτίβα ομιλίας για να εκτιμήσει τη χρονολογική ηλικία και τον κίνδυνο γνωστικής έκπτωσης των χρηστών.
• Η μελέτη βασίστηκε σε σχεδόν 3.000 ισπανόφωνους ενήλικες, καταδεικνύοντας ότι η μεγαλύτερη «ηλικία ομιλίας» συνδέεται με δείκτες βιολογικής γήρανσης και πρώιμα στάδια άνοιας.
• Το σύστημα αξιολογεί περισσότερα από 700 χαρακτηριστικά, συμπεριλαμβανομένων των παύσεων, της ταχύτητας, του τόνου και της συναισθηματικής έκφρασης κατά τη διάρκεια γνωστικών δοκιμασιών.
• Απαιτούνται περαιτέρω δοκιμές σε διαφορετικές γλώσσες και μακροχρόνιες κλινικές μελέτες προτού το εργαλείο χρησιμοποιηθεί ως αυτόνομο διαγνωστικό μέσο.

Ένα νέο ερευνητικό AI σύστημα λειτουργεί αναλύοντας περισσότερα από 700 ακουστικά και γλωσσικά χαρακτηριστικά της ανθρώπινης φωνής, ώστε να υπολογίσει με ακρίβεια το χάσμα ανάμεσα στην πραγματική και την εκτιμώμενη ηλικία του ατόμου, προσφέροντας έτσι έναν μη επεμβατικό, χαμηλού κόστους δείκτη για την πιθανότητα εμφάνισης νευροεκφυλιστικών παθήσεων.

Συγκεκριμένα, μια πρόσφατη δημοσίευση στο αναγνωρισμένο περιοδικό Science Advances περιγράφει αναλυτικά τη δημιουργία ενός «ρολογιού ομιλίας» (speech clock) που έχει σχεδιαστεί για να εκτιμά τη χρονολογική ηλικία ενός ανθρώπου αποκλειστικά από τον τρόπο που μιλάει, συνδέοντας τα ευρήματα με τον ενδεχόμενο κίνδυνο εμφάνισης άνοιας και γνωστικής έκπτωσης. 

Η έρευνα καταδεικνύει την ικανότητα των συστημάτων τεχνητής νοημοσύνης να επεξεργάζονται τεράστιους όγκους δεδομένων και να αναγνωρίζουν ανεπαίσθητα μοτίβα που διαφεύγουν από την ανθρώπινη αντίληψη, παρέχοντας μια πολύτιμη εναλλακτική λύση στις δαπανηρές και συχνά παρεμβατικές ιατρικές εξετάσεις.

Η ερευνητική ομάδα άντλησε δεδομένα από το κοινοπρακτικό πρόγραμμα ReD-Lat, το οποίο αποτελεί ένα από τα μεγαλύτερα ερευνητικά δίκτυα για την άνοια στη Λατινική Αμερική. Στη μελέτη συμμετείχαν περισσότεροι από 2.900 ισπανόφωνοι ενήλικες, ηλικίας από 18 έως 88 ετών, προερχόμενοι από διάφορες χώρες όπως η Αργεντινή, η Χιλή, η Κολομβία, το Μεξικό και το Περού. Η διαδικασία περιλάμβανε την υποβολή των συμμετεχόντων σε επτά διαφορετικές γνωστικές δοκιμασίες, στις οποίες καλούνταν να περιγράψουν κινούμενα σχέδια, να κατονομάσουν όσα περισσότερα αντικείμενα μπορούσαν μέσα σε διάστημα εξήντα δευτερολέπτων ή να επαναλάβουν μια σύντομη ιστορία αμέσως μετά την ακρόασή της, αλλά και έπειτα από καθυστέρηση είκοσι έως τριάντα λεπτών.

Οι ερευνητές ηχογράφησαν και απομαγνητοφώνησαν λεπτομερώς τις απαντήσεις, επιτρέποντας στους αλγόριθμους να εντοπίσουν και να καταγράψουν περισσότερα από 700 διακριτά χαρακτηριστικά της ομιλίας, στα οποία συγκαταλέγονται η συχνότητα και η διάρκεια των παύσεων, η ταχύτητα άρθρωσης, οι αυξομειώσεις του τόνου, ο πλούτος του λεξιλογίου και οι συναισθηματικές διακυμάνσεις της φωνής. Το μοντέλο μηχανικής μάθησης εκπαιδεύτηκε χρησιμοποιώντας αυτά τα ακουστικά προφίλ σε συνδυασμό με την πραγματική ηλικία των συμμετεχόντων, μαθαίνοντας σταδιακά να προβλέπει την ηλικία ενός ατόμου βασιζόμενο αποκλειστικά στα λεκτικά και ηχητικά του ερεθίσματα. Αυτή η ανάλυση οδήγησε στον υπολογισμό ενός «χάσματος ηλικίας ομιλίας», το οποίο προκύπτει από τη διαφορά μεταξύ της πραγματικής ηλικίας του ατόμου και της ηλικίας που το σύστημα εκτιμά ότι έχει.

Τα αποτελέσματα υπήρξαν εξαιρετικά αποκαλυπτικά, καθώς τα άτομα χωρίς γνωστικά προβλήματα παρουσίασαν τις μικρότερες αποκλίσεις ανάμεσα στην πραγματική και την εκτιμώμενη ηλικία τους, εν αντιθέσει με όσους έπασχαν από ήπια γνωστική διαταραχή, νόσο Αλτσχάιμερ ή μετωποκροταφική άνοια, οι οποίοι εμφάνισαν σημαντικά μεγαλύτερα χάσματα. Ιδιαίτερα ενδιαφέρον είναι το γεγονός ότι οι μεγαλύτερες αποκλίσεις παρατηρήθηκαν σε ασθενείς με μετωποκροταφική άνοια που επηρεάζει κυρίως το γλωσσικό κέντρο του εγκεφάλου, επιβεβαιώνοντας την υψηλή ευαισθησία του αλγορίθμου στις δομικές αλλαγές της επικοινωνίας. Επίσης, οι αιματολογικές εξετάσεις των συμμετεχόντων έδειξαν μια ξεκάθαρη συσχέτιση των μεγάλων χασμάτων ομιλίας με την επιτάχυνση της βιολογικής γήρανσης, όπως αυτή αποτυπώνεται στα επιγενετικά ρολόγια, καθώς και με αυξημένα επίπεδα της πρωτεΐνης p-tau217 που αποτελεί βασικό βιοδείκτη για τη νόσο Αλτσχάιμερ.

Στο ελληνικό πλαίσιο, η αξιοποίηση τέτοιων ψηφιακών βιοδεικτών αναμένεται να διαδραματίσει καθοριστικό ρόλο τα επόμενα χρόνια, δεδομένου ότι η Ελλάδα διαθέτει έναν από τους πλέον γηράσκοντες πληθυσμούς στην Ευρώπη και οι υποδομές του δημόσιου συστήματος υγείας δέχονται διαρκώς αυξανόμενη πίεση. Η δυνατότητα ενσωμάτωσης ενός αυτοματοποιημένου και δωρεάν συστήματος ελέγχου μέσω εφαρμογών στα smartphones ή στις ψηφιακές πύλες των νοσοκομείων, θα μπορούσε να προσφέρει μια κρίσιμη πρώτη γραμμή άμυνας για χιλιάδες Έλληνες ασθενείς που σήμερα αδυνατούν να καλύψουν το υψηλό κόστος μιας εξειδικευμένης εξέτασης PET scan ή των ακριβών αναλύσεων εγκεφαλονωτιαίου υγρού. Ο συνδυασμός αυτής της τεχνολογίας με τις ήδη υπάρχουσες υποδομές τηλεϊατρικής που αναπτύσσονται στη χώρα, αναμένεται να εκδημοκρατίσει την πρόσβαση στην προληπτική νευρολογική φροντίδα, ειδικά για τους κατοίκους των απομακρυσμένων νησιωτικών και ορεινών περιοχών.

Παρά τον προφανή ενθουσιασμό για τις δυνατότητες της τεχνητής νοημοσύνης, οι επιστήμονες υπογραμμίζουν ότι το εργαλείο αυτό δεν προσφέρει προς το παρόν απόλυτη διαγνωστική ακρίβεια. Η Δρ. Manisha Parulekar, συνδιευθύντρια του Κέντρου Απώλειας Μνήμης και Υγείας του Εγκεφάλου στο Ιατρικό Κέντρο του Πανεπιστημίου Hackensack, επισημαίνει πως η ανθρώπινη φωνή επηρεάζεται έντονα από παραμέτρους όπως η σοβαρή κατάθλιψη, η σωματική εξάντληση ή το υπερβολικό άγχος, παράγοντες που μπορούν να προσδώσουν στην ομιλία χαρακτηριστικά πρόωρης γήρανσης χωρίς να συντρέχει απαραίτητα παθολογικός νευρολογικός λόγος. Επίσης, τα γλωσσικά μοντέλα απαιτούν αυστηρή τοπική προσαρμογή, καθώς η ισπανική έκδοση του αλγορίθμου δεν μπορεί να εφαρμοστεί αυτούσια στα αγγλικά ή στα ελληνικά χωρίς την αντίστοιχη εκπαίδευση σε χιλιάδες δείγματα φωνής από γηγενείς ομιλητές.