Wetenschappers van het Hefei Institute of Physical Science van de Chinese Academy of Sciences hebben een raamwerk voor multitask learning ontwikkeld dat de vroege detectie en diagnose van Alzheimer kan verbeteren. DEMENTIA, zoals het raamwerk heet, integreert spraak, tekst en kennis van experts met behulp van een hybride aandachtsmechanisme. Met behulp van LLM-technologie wordt het mogelijk om cognitieve functiescores te voorspellen.
Het aantal mensen dat lijdt aan, of in te toekomst getroffen worden door de ziekte van Alzheimer, groeit wereldwijd. De vergrijzing van de bevolking speelt daar een grote rol in. Daardoor wordt het vroegtijdig opsporen en stellen van een diagnose, steeds crucialer. Hoewel er nog geen genezende behandeling bestaat voor deze degeneratieve hersenaandoening, zijn er bij vroege detectie wel behandelmogelijkheden die de progressie van Alzheimer kunnen vertragen.
Verlies van taalvaardigheden
Het verlies, of beginnend verlies, van taalvaardigheden is vaak een van de eerste indicatoren van cognitieve achteruitgang. Hoewel geautomatiseerde spraakanalyse een niet-invasieve en kosteneffectieve aanpak biedt voor het detecteren van Alzheimer, hebben bestaande methoden te maken met aanzienlijke uitdagingen, zoals complexiteit, slechte interpreteerbaarheid en beperkte integratie van verschillende soorten gegevens, die de nauwkeurigheid en klinische toepasbaarheid belemmeren.
Om deze beperkingen te overwinnen, ontwikkelde het team van Prof. Li Hai het DEMENTIA raamwerk. Deze innovatieve aanpak integreert spraak, tekst en kennis van experts met behulp van een hybride aandachtsmechanisme, waardoor zowel de nauwkeurigheid als de klinische interpreteerbaarheid van AD-detectie aanzienlijk worden verbeterd. Door gebruik te maken van geavanceerde technologieën voor grote taalmodellen (LLM’s) legt het framework ingewikkelde intra- en intermodale interacties vast, waardoor de detectienauwkeurigheid verbetert en cognitieve functiescores kunnen worden voorspeld. Bovendien toonden uitgebreide analyses van de interpreteerbaarheid de robuuste klinische beslissingsondersteunende mogelijkheden van het model aan en de aanpasbaarheid over verschillende datasets.
Vroegtijdige Alzheimer-screening
De bevindingen, gepubliceerd in het het IEEE Journal of Biomedical and Health Informatics, onderstrepen het potentieel van spraakgebaseerde hulpmiddelen voor vroegtijdige Alzheimer-screening en het monitoren van cognitieve achteruitgang. Door een nauwkeurigere en beter interpreteerbare oplossing te bieden, houdt het DEMENTIA raamwerk een aanzienlijke belofte in voor het aanpakken van de uitdagingen die een vergrijzende bevolking met zich meebrengt, en biedt het zowel wetenschappelijke als maatschappelijke waarde.
Er wordt veel onderzoek gedaan naar methoden om Alzheimer in een zo vroeg mogelijk stadium te kunnen detecteren. Zo hebben internationale wetenschappers vorig jaar onderzoek gedaan naar de mogelijkheid om ‘oortjes’ te gebruiken om vroege tekenen van Alzheimer te herkennen. Daarbij kijken ze met name naar de ingebouwde microfoons. "We gebruiken oortjes met in-ear microfoons die fysiologische signalen van het lichaam opvangen. Ons doel is om algoritmen voor gezondheidsmonitoring voor hoortoestellen te ontwikkelen, die in staat zijn tot continue monitoring op lange termijn en vroege ziektedetectie", aldus die onderzoekers.
