Des chercheurs de l’Université de l’Alberta ont proposé un modèle d’IA pour la détection de la maladie d’Alzheimer à l’aide de smartphones avec une précision de 70 à 75 %.

L’apprentissage automatique a de nouveau découvert un cas d’utilisation fascinant dans le domaine de la santé. Cette fois, le défi du dépistage de la maladie d’Alzheimer a été relevé de front.

Des chercheurs travaillant à l’Université de l’Alberta ont développé un modèle d’apprentissage automatique qui peut détecter la démence à un stade très précoce et peut ensuite déterminer l’état d’un patient. Ce moteur d’apprentissage automatique, dans Spotlight, est accessible par des appareils informatiques bas de gamme tels que les smartphones et peut faire la distinction entre les patients atteints de la maladie d’Alzheimer et les personnes en bonne santé avec une précision moyenne de 70 à 75 %. Cela fonctionne en analysant le modèle de discours de l’orateur plutôt que de se concentrer sur ce dont il parle. L’outil peut alors fournir des indicateurs cruciaux qui peuvent être utilisés pour fournir un meilleur diagnostic et un meilleur traitement de la maladie.

La démence due à la maladie d’Alzheimer est une tâche difficile à intercepter, surtout à ses débuts, où elle est d’autant plus importante que les symptômes sont si faibles qu’ils peuvent être confondus avec des problèmes de mémoire liés à l’âge. La détection précoce permet aux patients et aux médecins de s’y rendre plus tôt, réduisant ainsi le pire scénario.

Les méthodes traditionnelles de détection des changements cérébraux associés à la maladie d’Alzheimer, telles que les travaux de laboratoire et l’imagerie médicale, prennent du temps, sont coûteuses et ne sont généralement pas effectuées aux premiers stades. Désormais, l’utilisation du téléphone portable et du traitement des entrées vocales dans de tels cas favorise et facilite également à un stade précoce une meilleure relation patient-médecin. Cette utilisation permettra de débuter le traitement plus tôt et de permettre une intervention potentiellement simple à domicile, contribuant à ralentir la progression de la maladie.

Il est à noter que ce modèle n’a pas vocation à se substituer aux professionnelles en soins ; Il vise plutôt à agir comme un outil, un service de télésanté qui s’efforce de fournir un moyen pratique d’identifier les préoccupations potentielles des patients qui font face à une barrière géographique ou linguistique et qui ne disposent pas de meilleures installations dans leur région. En triangulant les patients potentiels, les prestataires de soins peuvent identifier et hiérarchiser les cas signalés par les signes.

Le groupe de recherche se concentre sur les caractéristiques vocales neutres en phonèmes plutôt que sur un vocabulaire ou des mots spécifiques pour le développement de modèles, car l’accent mis sur les mots peut être trompeur. Des travaux antérieurs ont consisté à analyser le langage utilisé par les patients atteints de la maladie d’Alzheimer, ce qui a posé des problèmes de calcul, en particulier des problèmes de chevauchement linguistique. L’approche actuelle met l’accent sur l’étude des propriétés sonores qui transcendent la barrière de la langue. Les patients atteints de la démence d’Alzheimer ont tendance à parler plus lentement, à faire plus de pauses ou de malentendus dans leur discours, à utiliser des mots plus courts et à avoir moins d’intelligibilité. Les chercheurs ont étudié et traduit ces caractéristiques en caractéristiques de la parole que le modèle pourrait attribuer à l’analyse de cas.

Le modèle lui-même est complexe, mais l’expérience utilisateur de l’outil final que vous intégrerez sera simple. Les utilisateurs parleront dans l’appareil, et il analysera leur discours et donnera un score, qu’ils aient ou non la maladie d’Alzheimer. Ces informations peuvent ensuite être partagées avec des professionnels de la santé, qui peuvent déterminer le meilleur plan d’action pour l’individu. Bien que le modèle ait été testé sur des locuteurs d’anglais et de grec, les chercheurs sont optimistes quant au fait que la technologie peut être utilisée dans différentes langues, dialectes et intonations.

Il y a eu des travaux antérieurs sur les soins de santé et la technologie qui adoptent une approche quelque peu similaire. Le groupe de recherche en psychiatrie computationnelle de l’Université de l’Alberta, dirigé par Ross Greiner et Eleni Strolia, a développé des modèles et des outils statistiques similaires pour dépister les troubles de santé mentale tels que le SSPT, la schizophrénie, la dépression et le trouble bipolaire.

Tout progrès technologique sera apprécié dans le domaine des soins de santé car il conduit à des décisions éclairées qui se situent également dans les délais appropriés et ont le potentiel de réduire le coût du service de soins de santé fourni.

scanner le papier Et Article de référence. N’oubliez pas de rejoindre 21k + ML Sub RedditEt canal de discordeEt Et Courriel, où nous partageons les dernières nouvelles sur la recherche en IA, des projets d’IA sympas, et plus encore. Si vous avez des questions concernant l’article ci-dessus ou si nous avons oublié quelque chose, n’hésitez pas à nous envoyer un e-mail à [email protected]

🚀 Découvrez les outils d’IA de 100 dans le club d’outils d’IA