Zusammenfassung: Mithilfe künstlicher Intelligenz analysierten die Forscher die Sprache von Parkinson-Patienten und deckten dabei deutliche Muster auf. KI hat herausgefunden, dass Parkinson-Patienten mehr Verben, aber weniger Substantive und Füllwörter in ihrer Sprache verwenden, noch bevor der kognitive Rückgang, der typischerweise mit Parkinson einhergeht, sichtbar wird.
Durch die Analyse konnten Patienten mit Parkinson-Krankheit mit einer Genauigkeit von über 80 % identifiziert werden, was ein potenzielles neues Instrument für die Frühdiagnose darstellt. Diese Studie betont das Potenzial der Verarbeitung natürlicher Sprache, einem Zweig der künstlichen Intelligenz, zur Verbesserung der Gesundheitsdiagnostik.
Wichtige Fakten:
- Die Studie nutzte künstliche Intelligenz, insbesondere die Verarbeitung natürlicher Sprache (NLP), um die Sprache von Parkinson-Patienten zu analysieren und dabei deutliche Muster in ihrem Sprachgebrauch aufzudecken.
- Im Vergleich zu gesunden Kontrollpersonen verwendeten Parkinson-Patienten in ihren Gesprächen mehr Verben, aber weniger Substantive und Füllwörter.
- Diese ausgeprägten Sprachmuster waren bereits vor dem Einsetzen des kognitiven Verfalls erkennbar, der typischerweise bei Parkinson-Patienten zu beobachten ist.
- Durch die Analyse dieser Sprachmuster konnten die Forscher Personen mit Parkinson-Krankheit mit einer Genauigkeit von über 80 % identifizieren, was auf die Möglichkeit einer frühzeitigen Diagnose hinweist.
Quelle: Nagoya-Universität
Mithilfe künstlicher Intelligenz (KI) zur Verarbeitung natürlicher Sprache hat eine Forschungsgruppe die Spracheigenschaften von Parkinson-Patienten untersucht. Eine KI-Analyse ihrer Daten ergab, dass diese Patienten mehr Verben und weniger Substantive und Füllwörter verwendeten.
Die Studie wurde von Professor Masahisa Katsuno und Dr. Katsunori Yokoi von der Medizinischen Fakultät der Universität Nagoya in Zusammenarbeit mit der Präfekturuniversität Aichi und der Technischen Universität Toyohashi geleitet.
Ihre Ergebnisse veröffentlichten sie in der Fachzeitschrift Parkinson und verwandte Erkrankungen.
Die Natural Language Processing (NLP)-Technologie ist ein Zweig der künstlichen Intelligenz, der sich darauf konzentriert, Computer in die Lage zu versetzen, große Mengen menschlicher Sprachdaten zu verstehen und zu interpretieren, indem statistische Modelle zur Identifizierung von Mustern verwendet werden. Angesichts der Tatsache, dass Patienten mit Parkinson-Krankheit unter einer Vielzahl von Sprachproblemen leiden, einschließlich eingeschränkter Sprachproduktion und Sprachgebrauch, nutzte die Gruppe NLP, um Unterschiede in den Sprachmustern der Patienten anhand von 37 Merkmalen zu analysieren, wobei Skripte aus freien Gesprächen verwendet wurden.
Die Analyse ergab, dass Parkinson-Patienten weniger Substantive, Eigennamen und Füllwörter pro Satz verwenden. Andererseits verwendeten sie pro Satz einen höheren Anteil an Verben und den Kontrast der Kasuspartikel (ein wichtiges Merkmal der japanischen Sprache).
Laut Yokoi: „Wenn ich sie morgens gebeten habe, über ihren Tag zu sprechen, könnte ein Parkinson-Patient zum Beispiel so etwas sagen: ‚Ich bin um 4:50 Uhr aufgestanden.‘ Ich dachte, es sei etwas früh, aber ich bin aufgewacht. Der Gang zur Toilette dauerte etwa eine halbe Stunde, also duschte ich und zog mich gegen 5.30 Uhr an. Mein Mann hat das Frühstück gekocht. Ich habe nach 6 Uhr gefrühstückt. Dann habe ich mir die Zähne geputzt und mich zum Ausgehen fertig gemacht.“
Yokoi fuhr fort: „Während jemand in der Gesundheitskontrollgruppe vielleicht so etwas sagen könnte: ‚Nun, am Morgen bin ich um sechs Uhr aufgestanden, habe mich angezogen und mein Gesicht gewaschen.‘ Dann habe ich meine Katze und meinen Hund gefüttert. Meine Tochter bereitete eine Mahlzeit zu, aber ich sagte ihr, dass ich nichts essen dürfe, und ich, seine Mutter, trank etwas Wasser.
„Dies sind zwar Beispiele, die wir für Gespräche erstellt haben, die die Merkmale von Menschen mit ADHS und gesunden Menschen widerspiegeln, Sie sollten jedoch feststellen, dass die Gesamtlänge ähnlich ist“, erklärte Yokoi.
Allerdings sprachen die PD-Patienten kürzere Sätze als die Probanden der Kontrollgruppe, was zu mehr Verben in der maschinellen Lernanalyse führte. Die gesunde Kontrolle verwendet außerdem mehr Füllwörter wie „okay“ oder „ähm“, um Sätze zu verbinden.
Der vielversprechende Aspekt dieser Forschung besteht darin, dass das Team das Experiment an Patienten durchführte, die noch nicht den charakteristischen kognitiven Rückgang zeigten, der bei Parkinson beobachtet wird. Daher bieten ihre Ergebnisse ein potenzielles Mittel zur Früherkennung von Parkinson-Patienten.
„Unsere Ergebnisse deuten darauf hin, dass sich die Gespräche von Parkinson-Patienten auch ohne kognitiven Rückgang von denen gesunder Probanden unterscheiden“, schlussfolgert Studienleiter Professor Katsuno.
„Als wir versuchten, Parkinson-Patienten oder gesunde Kontrollpersonen anhand dieser dialogischen Veränderungen zu identifizieren, konnten wir Parkinson-Patienten mit einer Genauigkeit von über 80 % identifizieren. Dieses Ergebnis zeigt das Potenzial einer Sprachanalyse mithilfe natürlicher Sprachverarbeitung zur Diagnose der Parkinson-Krankheit.“
Über Neuigkeiten zur KI-Forschung und der Parkinson-Krankheit
Autor: Matthew Cosslett
Quelle: Nagoya-Universität
Kommunikation: Matthew Coslett – Universität Nagoya
Bild: Bildquelle: Neuroscience News
Ursprüngliche Suche: Geschlossener Zugang.
„Analyse der spontanen Sprache bei der Parkinson-Krankheit durch Verarbeitung natürlicher SpracheGeschrieben von Masahisa Katsuno et al. Parkinson und verwandte Erkrankungen
eine Zusammenfassung
Analyse der spontanen Sprache bei der Parkinson-Krankheit durch Verarbeitung natürlicher Sprache
Einführung
Parkinson-Patienten (PD) sind mit einer Vielzahl sprachbezogener Probleme konfrontiert, darunter Dysarthrie und Sprachstörungen. Um die pathophysiologischen Mechanismen der Sprachveränderung bei Parkinson aufzuklären, verglichen wir die Sprache von Patienten und die von gesunden Kontrollpersonen (HC) mithilfe automatisierter morphologischer Analysetools.
Methoden
Wir haben 53 Diabetiker mit normaler kognitiver Funktion und 53 HHCs aufgenommen und ihre spontane Sprache mithilfe der Verarbeitung natürlicher Sprache bewertet. Algorithmen des maschinellen Lernens wurden verwendet, um die Merkmale des spontanen Gesprächs in jeder Gruppe zu bestimmen. In dieser Analyse wurden 37 Merkmale verwendet, die sich auf Wortarten und grammatikalische Komplexität konzentrieren. Ein Support Vector Machine (SVM)-Modell wurde mit 10-facher Kreuzvalidierung trainiert.
Ergebnisse
Es wurde festgestellt, dass PD-Patienten weniger Morpheme in einem einzigen Satz sprachen als die HC-Gruppe. Im Vergleich zu HC wies die Sprache von PD-Patienten einen höheren Anteil an Verben, Zustandspartikeln (subjektiven Partikeln) und Verbartikulationen sowie einen geringeren Anteil an gebräuchlichen Substantiväußerungen, Eigennamenäußerungen und Fülläußerungen auf. Aufgrund dieser Gesprächsänderungen lagen die relevanten Diskriminierungsraten für PD oder HC bei über 80 %.
Schlussfolgerungen
Unsere Ergebnisse zeigen das Potenzial der Verarbeitung natürlicher Sprache für die Sprachanalyse und die PD-Diagnose.
