Οι επιστήμονες του “Institute for Neurology” του UCL (University College London) έχουν αναπτύξει νέα εργαλεία, που βασίζονται σε γλωσσικά μοντέλα τεχνητής νοημοσύνης, τα οποία μπορούν να διακρίνουν ανεπαίσθητες υπογραφές σχιζοφρένειας στην ομιλία ασθενών που έχουν διαγνωστεί με την ασθένεια αυτή.
Σκοπός της έρευνας, που δημοσιεύτηκε στο επιστημονικό περιοδικό “Proceedings of the National Academy of Sciences”, είναι η κατανόηση του πώς μπορεί, η αυτοματοποιημένη ανάλυση της γλώσσας, να βοηθήσει τους γιατρούς και τους επιστήμονες να διαγνώσουν και να αξιολογήσουν ψυχιατρικές παθήσεις.
Επί του παρόντος, η ψυχιατρική διάγνωση βασίζεται σχεδόν εξ ολοκλήρου στη συζήτηση με τους ασθενείς και τους κοντινούς τους ανθρώπους, με τις εξετάσεις -όπως οι αιματολογικές και οι σαρώσεις εγκεφάλου- να έχουν ελάχιστο ρόλο.
Αυτή η έλλειψη ακρίβειας, ωστόσο, εμποδίζει την πληρέστερη κατανόηση των αιτιών των ψυχικών ασθενειών, και την παρακολούθηση των θεραπειών.
Οι ερευνητές ζήτησαν από τους συμμετέχοντες -26 άτομα με σχιζοφρένεια και μία ομάδα ελέγχου, επίσης 26 ατόμων- να δοκιμαστούν σε ένα τεστ ευχέρειας λόγου, όπου σε πέντε λεπτά έπρεπε να βρουν όσο το δυνατόν περισσότερες λέξεις, που είτε ανήκαν στην κατηγορία “ζώο” είτε ξεκινούσαν με το γράμμα “p”.
Η ομάδα, για να αναλύσει τις απαντήσεις που έδωσαν οι συμμετέχοντες, χρησιμοποίησε ένα γλωσσικό μοντέλο τεχνητής νοημοσύνης, το οποίο είχε εκπαιδευτεί με τεράστιες ποσότητες κειμένων από το διαδίκτυο, ώστε να αναπαραστήσει, με παρόμοιο τρόπο με αυτόν των ανθρώπων, την σημασία των λέξεων. Αυτό που έλεγχαν οι ερευνητές, είναι το εάν το μοντέλο της Τ.Ν. ήταν σε θέση να προβλέψει τις λέξεις που αυθόρμητα ανακαλούσαν οι συμμετέχοντες, και το εάν η προβλεψιμότητα αυτή εμφανιζόταν μειωμένη στους ασθενείς με σχιζοφρένεια.
Διαπίστωσαν ότι οι απαντήσεις που έδωσε η ομάδα ελέγχου ήταν πράγματι πιο προβλέψιμες από το μοντέλο Τ.Ν. σε σχέση με αυτές που δόθηκαν από τα άτομα με σχιζοφρένεια. Η διαφορά αυτή, μάλιστα, ήταν μεγαλύτερη όταν αφορούσε ασθενείς με πιο σοβαρά συμπτώματα.
Οι ερευνητές πιστεύουν ότι αυτή η διαφορά ίσως έχει να κάνει με τον τρόπο που ο εγκέφαλος μαθαίνει τους συσχετισμούς μεταξύ των αναμνήσεων και των ιδεών, και αποθηκεύει τις πληροφορίες αυτές στους λεγόμενους “γνωσιακούς χάρτες”. Η υπόθεσή τους, αυτή, υποστηρίζεται από ένα δεύτερο μέρος της ίδιας μελέτης, όπου οι συγγραφείς χρησιμοποίησαν σάρωση εγκεφάλου για να μετρήσουν την δραστηριότητα σε μέρη του εγκεφάλου που εμπλέκονται στη μάθηση και την αποθήκευση αυτών των “γνωσιακών χαρτών».
Ο Δρ. Matthew Nour, επικεφαλής συγγραφέας της μελέτης, από το “Institute of Neurology” του UCL και το Πανεπιστήμιο της Οχφόρδης, λέει: «Η αυτόματη ανάλυση της γλώσσας, έως τώρα ήταν απρόσιτη στους γιατρούς και τους επιστήμονες. Ωστόσο, με την έλευση των γλωσσσικών μοντέλων τεχνητής νοημοσύνης, όπως το ChatGPT, αυτή η κατάσταση αλλάζει.»
«Η συγκεκριμένη εργασία δείχνει τις δυνατότητες της εφαρμογής των γλωσσικών μοντέλων Τ.Ν. στην ψυχιατρική· έναν ιατρικό τομέα που σχετίζεται στενά με τη γλώσσα και το νόημα.»
Η σχιζοφρένεια είναι μία κοινή ψυχιατρική διαταραχή που επηρεάζει περίπου 24 εκατομμύρια ανθρώπους παγκοσμίως, η οποία επηρεάζει έντονα και καταβάλλει τον ασθενή.
Σύμφωνα με το “Εθνικό Σύστημα Υγείας της Βρετανίας” NHS (British National Health Service), τα συμπτώματα της πάθησης περιλαμβάνουν ψευδαισθήσεις, παραισθήσεις, μπερδεμένες σκέψεις και αλλαγές στη συμπεριφορά.
Πλέον, η ερευνητική ομάδα από το UCL και την Οξφόρδη, σχεδιάζει να χρησιμοποιήσει αυτήν την τεχνολογία σε μεγαλύτερο δείγμα ασθενών, με μεγαλύτερη ποικιλία σχημάτων λόγου, ώστε να ελέγξει εάν αυτή μπορεί να αποδειχθεί κλινικώς χρήσιμη.
Ο Δρ Νουρ δηλώνει: «Μπαίνουμε σε μια ιδιαίτερα συναρπαστική περίοδο της νευροεπιστήμης και την έρευνας επάνω στην ψυχική υγεία. Με τον συνδυασμό γλωσσικών μοντέλων τεχνητής νοημοσύνης αιχμής και τεχνολογίας σάρωσης εγκεφάλου, αρχίζουμε να αποκαλύπτουμε πώς δομείται, στον εγκέφαλο, το νόημα· και το πώς αυτό μπορεί να πάει στραβά, στις ψυχιατρικές διαταραχές.»
«Υπάρχει τεράστιο ενδιαφέρον για τη χρήση γλωσσικών μοντέλων τεχνητής νοημοσύνης στην ιατρική. Εάν αυτά τα εργαλεία αποδειχθούν ασφαλή και στιβαρά, αναμένω να αρχίσουν να εξαπλώνονται στο κλινικό πεδίο, μέσα στην επόμενη δεκαετία.»
Παραπομπές: Nour, Matthew M. et al, Trajectories through semantic spaces in schizophrenia and the relationship to ripple bursts, Proceedings of the National Academy of Sciences (2023). DOI: 10.1073/pnas.2305290120
Πηγή: https://medicalxpress.com/
