L’apprentissage automatique a encore une fois trouvé un excellent cas d’utilisation dans le domaine de la santé. Cette fois, le défi de la détection d’Alzheimer a été relevé de front.

Des chercheurs travaillant à l’Université de l’Alberta travaillaient à développer un modèle d’apprentissage automatique qui peut détecter la démence à un stade très précoce et peut ensuite signaler le patient pour la même chose. Ce moteur d’apprentissage automatique, à l’honneur, est accessible par des appareils informatiques bas de gamme tels que les smartphones et peut faire la distinction entre les patients atteints d’Alzheimer et les individus en bonne santé avec une précision moyenne de 70 à 75 %. Il fonctionne en analysant le modèle de discours de l’orateur plutôt que de se concentrer sur ce qu’il dit. 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 causée par la maladie d’Alzheimer est une tâche difficile à intercepter, en particulier à ses débuts, où elle compte le plus, car les symptômes sont très discrets et peuvent être confondus avec des problèmes de mémoire liés à l’âge. La détection précoce permet aux patients et aux médecins de s’en occuper plus tôt, minimisant ainsi le pire scénario.

Les méthodes conventionnelles 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 à un stade précoce. Désormais, l’utilisation d’un téléphone mobile et le traitement de l’entrée vocale dans de tels cas, cela également à un stade précoce améliore et facilite une meilleure relation patient-médecin. Cette utilisation conduirait à une initiation plus précoce du traitement et permettrait une éventuelle intervention simple à domicile, ce qui contribuerait à ralentir la progression de la maladie.

Il est à noter que ce modèle ne vise pas à se substituer aux professionnelles en soins ; il vise plutôt à agir comme un outil, un service de télésanté qui s’efforcera de fournir un moyen pratique d’identifier les problèmes potentiels pour les 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 probables, les prestataires de soins de santé peuvent identifier et hiérarchiser l’identification et les conditions signalées par les marqueurs.

Le groupe de recherche se concentre sur les caractéristiques de la parole acoustique et linguistique indépendantes de la langue plutôt que sur le vocabulaire ou des mots spécifiques pour développer le modèle, car se concentrer sur les mots peut être trompeur. Les travaux antérieurs consistaient à analyser le langage utilisé par les patients atteints de la maladie d’Alzheimer, ce qui posait des problèmes de calcul, en particulier des problèmes de langage croisé. L’approche actuelle met l’accent sur l’étude des caractéristiques vocales qui transcendent la barrière de la langue. Les patients atteints de la maladie d’Alzheimer ont tendance à parler plus lentement, à éprouver plus de pauses ou de perturbations dans leur discours, à utiliser des mots plus courts et à avoir une intelligibilité réduite. Les chercheurs ont étudié et traduit ces caractéristiques en caractéristiques de la parole que le modèle peut ensuite attribuer pour analyser la condition.

Le modèle lui-même est complexe, mais l’expérience utilisateur de l’outil final l’incorporant serait simple. Les utilisateurs parleraient dans l’appareil, et celui-ci analyserait leur discours et donnerait le résultat, 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 anglophones et des grecs, les chercheurs sont optimistes quant au fait que cette technologie peut être utilisée dans différentes langues avec différents dialectes et tonalités.

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

Toute avancée technique serait appréciée dans le domaine de la santé car elle conduit à des décisions mieux informées qui sont également prises dans le délai approprié et a le potentiel de réduire le coût du service de santé fourni.

Vérifiez Papier et Article de référence. N’oubliez pas de rejoindre notre 21k+ ML SubReddit, Chaîne discorde, 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 manqué quelque chose, n’hésitez pas à nous envoyer un courriel à Asif@marktechpost.com

🚀 Découvrez les outils d’intelligence artificielle de 100 dans AI Tools Club

Anant est un ingénieur en informatique qui travaille actuellement en tant que data scientist avec une expérience en finance et en produits d’IA en tant que service. Il souhaite créer des solutions basées sur l’IA qui créent de meilleurs points de données et résolvent les problèmes de la vie quotidienne de manière percutante et efficace.