ChatGPT预测老年痴呆准确率高达80％

近期发表在PLOS数字健康杂志上的一项研究显示，ChatGPT有助于帮助识别预测早期的阿尔兹海默症。

该研究表明，运用人工智能技术驱动的聊天机器人程序ChatGPT有望帮助医生在疾病早期诊断中起到重要作用，尤其是对于阿尔茨海默氏症。该研究使用了OpenAI的GPT-3技术，以80%的准确率识别自然语言中的线索，并能预测患者是否处于痴呆症的早期阶段。这一发现可能为未来的医疗诊断和早期干预提供了一条新途径。

阿尔茨海默氏症（AD）是一种神经退行性疾病，它会逐渐导致认知能力下降，包括语言和言语方面的障碍。该疾病是导致痴呆症最常见的原因之一, 占病例的60-80%。由于痴呆症的高发率和至今仍然缺乏治愈方法，因此早期诊断痴呆症变得尤为重要，这将有助于改善痴呆症患者的生活质量。

目前诊断阿尔茨海默氏症（AD）主要通过大脑成像或认知测试等临床评估方法，例如迷你精神状态检查（MMSE）。然而，这些评估方法通常昂贵且需要长时间，全球只有48%的阿尔茨海默氏症病例得到成功检测。其中高收入国家的诊断率为54%，而中低收入国家的诊断率仅为24%。

语音作为一种生物标志物，已经被证明可以用于诊断阿尔茨海默氏症和进行临床筛查。以往的语音分析工作主要基于特征提取的方法，通过从语音音频中提取声学特征和从书面文本或语音记录中提取语言特征等方式。越来越多的研究人员开始将声音视为生物标志物，以此检测包括阿尔茨海默氏症在内的各种疾病。

最近的一项研究使用GPT-3语言模型对人们在进行痴呆症标准测试时描述图片的音频剪辑进行了分析。研究表明，阿尔茨海默症患者在描述图片时，常常出现重复自己的情况，偏离了图片内容，并未完成思考就开始描述，并且常常使用“东西”或“某物”来模糊地描述物体。

GPT-3机器学习模型通过将单词转换为称为“嵌入”的数学表示来理解文本段落。嵌入是一种多维信号，允许人工智能识别即使是经验丰富的医生也听不到的微妙差异和相似之处。GPT-3通过测量嵌入的这些信号之间的差异，来比较语音输入的细微变化。

本研究首次证明 GPT-3 可用于通过自发言语预测痴呆症。具体来说，我们利用 GPT-3 模型中编码的大量语义知识来生成文本嵌入，这是语音转录文本的向量表示，可捕获输入的语义。我们证明，文本嵌入可以可靠地用于区分 AD 患者与健康对照者，以及推断受试者的认知测试分数，两者都仅基于语音数据。

本研究进一步表明，文本嵌入大大优于传统的基于声学特征（声学特征主要与时域分析，例如停顿率、发声率、语音周期频率分析和语音相关的韵律 、清晰度或声音质量）的方法，甚至与流行的微调模型具有竞争力。总之，研究结果表明，基于 GPT-3 的文本嵌入是直接从语音进行 AD 评估的可行方法，并且有可能改善痴呆症的早期诊断。

当然这种方法正处于探索研究阶段，需要解决的调整也有很多，尽管开发和翻译完全可部署的人工智能驱动的语音分析，对于早期诊断痴呆症和根据个人需求进行直接定制的干预措施方面具有巨大潜力。

尽管有希望，但主要挑战在于数据质量（不一致和不稳定）、数据数量（数据有限）和多样性。为了使任何模型正常工作，我们需要有一套非常大、多样化和强大的数据。

利用人工智能随着神经成像、语音和语言、行为生物标志物以及电子病历上的患者信息等大规模多模式数据的日益发展，将有助于缓解数据问题，并允许更准确、更高效和更早期的诊断。

大语言模型（LLM)|ChatGPT相关文章（以下点击可阅读）：

ChatGPT来写基金申报材料到底靠不靠谱？