ChatGPT mógłby wykrywać demencję? Zaskakujący eksperyment
A co gdyby tak... wytrenować model SI na mowie osób z chorobą Alzheimera by ten nauczył się odróżniać osoby chore od zdrowych? Tego niecodziennego eksperymentu podjęli się amerykańscy naukowcy, a jego efektem jest program, który może potencjalnie przyczynić się do wczesnej diagnostyki na podstawie mowy pacjenta.
Za objawy choroby Alzheimera powszechnie uważa się m.in. utratę pamięci, ograniczenie funkcji poznawczych czy zmianę zachowania. Jednak niewiele osób zdaje sobie sprawę, że oprócz badań lekarskich i analizy historii choroby, schorzenie można wykryć za pomocą analizy języka i mowy pacjenta.
Zaburzenia mowy - jako objaw - dotyczą około 60 do 80 procent chorych. Najczęściej testy pozwalające wcześnie wykryć demencję skupiają się na akustycznych aspektach języka: przerwach pomiędzy słowami, artykulacji oraz jakości głosu. Jak wykazali amerykańscy naukowcy, sztuczna inteligencja mogłaby przyczynić się do wczesnej diagnostyki Alzheimera poprzez analizę języka naturalnego.
Nowe zastosowanie sztucznej inteligencji: diagnostyka Alzheimera na podstawie mowy
Grupa naukowców z Uniwersytetu Drexela pod przewodnictwem doktora Felixa Agbavora udowodniła, że sztuczna inteligencja stojąca za popularnym ChatGPT mogłaby z powodzeniem zostać wykorzystana przez lekarzy. Uczeni wytrenowali model językowy GPT-3 tak, aby ten na podstawie rozmowy z człowiekiem był w stanie ocenić, czy cierpi on na demencję. Swój eksperyment opisali na łamach czasopisma PLOS Digital Health.
"Systemowe podejście GPT-3 do analizy i produkcji języka czyni go obiecującym kandydatem do identyfikacji subtelnych cech mowy, które mogą wskazywać na początek demencji. Trening GPT-3 z ogromną bazą wywiadów - niektóre z nich są wywiadami z pacjentami cierpiącymi na chorobę Alzheimera - dostarczyłby modelowi informacji potrzebnych do wyodrębnienia wzorców mowy, które mogłyby następnie zostać zastosowane do identyfikacji markerów u przyszłych pacjentów."
- powiedział Agbavor
GPT-3 to model językowy wykorzystujący algorytm głębokiego uczenia się - wyszkolony poprzez przetwarzanie ogromnych ilości informacji z Internetu. Przy treningu GPT-3, OpenAI położyło szczególny nacisk na uwzględnienie tego, jak używane są słowa i jak język jest skonstruowany. Dzięki temu GPT-3 jest w stanie zarówno odpowiadać na zapytania, jak i tworzyć dłuższe teksty w języku naturalnym.
Z kolei popularny ChatGPT to wariant modelu GPT-3, zoptymalizowany pod kątem wykorzystania jako chatbot. Podczas gdy GPT-3 wykazuje większy potencjał w tworzeniu oraz analizie dłuższych wypowiedzi i tekstów, ChatGPT jest lepszy w dialogu i podtrzymywaniu rozmowy z ludzkim rozmówcą.
Do eksperymentu naukowcy wykorzystali zestaw transkrypcji rozmów z osobami z demencją, który pozyskali od rządowej jednostki Narodowe Instytuty Zdrowia (NIH). Sztuczna inteligencja wychwyciła z tekstu tendencje w użyciu i powtarzaniu słów oraz strukturę zdań charakterystyczną dla osób z Alzheimerem. Pozwoliło to naukowcom na stworzenie "profilu" mowy używanej przez chorych.
Maszyna do wykrywania Alzheimera
Następnie uczeni użyli wygenerowanego profilu mowy do ponownego wytrenowania SI - przekształcając go w maszynę do wykrywania Alzheimera. W celu przetestowania modelu, badacze poprosili program o przejrzenie kilkudziesięciu transkryptów ze zbioru danych i zadecydowanie, czy każdy z nich został stworzony przez osobę, u której rozwija się choroba Alzheimera, czy też nie.
W kolejnym etapie eksperymentu naukowcy porównali możliwości wytrenowanego przez nich modelu do dwóch programów, które również są w stanie przetwarzać język naturalny. GPT-3 radził sobie lepiej niż jego konkurenci, popełniając mniejszą liczbę błędów i wykazując się większą skutecznością w rozpoznawaniu przypadków choroby.
Uczeni porównali skuteczność GPT-3 również do programów diagnozujących demencję na podstawie charakterystyki akustycznej mowy. I w tym przypadku model językowy wykazał znacznie większą trafność w przewidywaniu choroby.
"Nasze wyniki pokazują, że profile tekstu, wygenerowane przez GPT-3, mogą być wiarygodnie wykorzystane nie tylko do odróżnienia osób z chorobą Alzheimera od zdrowej grupy kontrolnej, ale także do wnioskowania o wyniku testu poznawczego osoby badanej, w obu przypadkach wyłącznie w oparciu o informacje o mowie."
- napisali uczeni w podsumowaniu pracy
