ალცჰაიმერის გამომწვევი ზუსტი მიზეზები დადგენილი არაა, თუმცა ყველასათვის ცნობილია, რა შედეგები მოსდევს მას. ალცჰაიმერის ადრეული ნიშნების ამოცნობის კუთხით არაერთი პროგრესი ვიხილეთ [1, 2, 3]. მეცნიერები ფიქრობენ, რომ ეს ნიშნები ჩვენს მეტყველებაშიც შეიძლება იმალებოდეს.
ბოსტონის უნივერსიტეტის მკვლევრებმა ხელოვნური ინტელექტის (AI) ბაზაზე ახალი ალგორითმი შექმნეს. იგი მსუბუქი კოგნიტიური დაქვეითების (MCI) მქონე ადამიანთა მეტყველებას აანალიზებს, შედეგად კი შეუძლია გაიგოს, გადაიქცევა თუ არა MCI ალცჰაიმერად მომდევნო ექვსი წლის განმავლობაში. ალგორითმი ამ პროგნოზს 78.5%-იანი სიზუსტით აკეთებს.
კვლევა წინა ნაშრომის ერთგვარი გაგრძელებაა, რომლის ფარგლებშიც მეცნიერებმა მოდელი გაწვრთნეს და კოგნიტიური დაქვეითების ზუსტად ამოცნობა შეძლეს.
მკვლევრებმა ამჯერად 166 ადამიანის აუდიოჩანაწერი აიღეს და მათი ტრანსკრიპტების გამოყენებით ახალი ალგორითმი შექმნეს. ადამიანებს MCI ჰქონდათ და მათი ასაკი 63-იდან 97 წლამდე მერყეობდა. გუნდმა უკვე იცოდა, რომელ პაციენტებს განუვითარდათ ალცჰაიმერი.
მკვლევრებმა მანქანური სწავლის მოდელი გამოიყენეს, რათა ტექსტებად ქცეულ მეტყველებაში ის კანონზომიერებები მოეძებნათ, რომლებიც ალცჰაიმერის ჩამოყალიბებასთან იყო კავშირში.
მომზადების შემდეგ ალგორითმის უკუღმა გამოყენება გახდა შესაძლებელი, ანუ მოდელს რისკის განსაზღვრა იმ ნიმუშებისთვისაც შეეძლო, რომლებიც აქამდე არასდროს დაუმუშავებია. საბოლოო პროგნოზების მისაღებად სხვა მნიშვნელოვანი ფაქტორებიც გაითვალისწინეს, მათ შორის ასაკი და ის, თუ რომელ სქესს მიაკუთვნებდნენ ცდისპირები თავს. შედეგად ალგორითმმა პროგნოზების 78.5%-იან სიზუსტეს მიაღწია.
ალცჰაიმერის განკურნება ამჟამად არ ხერხდება, თუმცა გარკვეული ხარისხით დაავადების მართვა შესაძლებელია. შესაბამისად, თუ რისკები გვეცოდინება და მკურნალობა მაქსიმალურად მალე დაიწყება, მით უკეთ შევძლებთ პაციენტებისთვის სტაბილურობის შენარჩუნებასა და დემენციის სერიოზული ფორმების პრევენციას.
გარდა ამისა, ალცჰაიმერის ადრეული ამოცნობისას საშუალება გვეძლევა, დაავადება თუ მისი პროგრესირება შევისწავლოთ და სრულად ეფექტური სამკურნალო მიდგომა აქედანვე შევიმუშაოთ. მათ, ვისაც ალცჰაიმერის განვითარების რისკი აქვთ, შეუძლიათ, კლინიკურ ცდებში წინასწარაც ჩაერთონ.
ახალი მიდგომა, შესაძლოა, პროგნოზირების კუთხით საკმაოდ ხელსაყრელი აღმოჩნდეს. თუკი სისტემა დაიხვეწა, შეგვეძლება მას (როგორც, მაგალითად, მობილურ აპლიკაციას) უბრალოდ ხმის ჩანაწერი მივაწოდოთ და ყოველგვარი ინიექციებისა და ანალიზების გარეშე გავიგოთ პროგნოზი. თავისთავად, ეს ჯერ მხოლოდ პერსპექტივაა.
საგულისხმოა, რომ კვლევაში გამოყენებული ჩანაწერები საკმაოდ დაბალი ხარისხის იყო. შეგვიძლია ვივარაუდოთ, რომ სუფთა ჩანაწერებითა და მონაცემებით ალგორითმის სიზუსტე კიდევ უფრო გაუმჯობესდება.
