聊天机器人程序ChatGPT 背后的人工智能算法——它因能够对一些最具创意的问题生成类似人类的书面答复而备受关注——或许有一天能够帮助医生在早期发现阿尔茨海默病。德雷克塞尔大学生物医学工程、科学与卫生系统学院最近的研究表明，OpenAI 的 GPT-3 程序可以从自发言语中识别线索，预测痴呆症早期阶段的准确率为 80%。

在PLOS Digital Health杂志上报道，Drexel 的研究是一系列努力的最新成果，旨在展示自然语言处理程序对阿尔茨海默氏症早期预测的有效性——利用当前的研究表明语言障碍可能是神经退行性疾病的早期指标。

寻找早期迹象

目前诊断阿尔茨海默氏病的做法通常涉及病史回顾和冗长的身体和神经评估和测试。虽然这种疾病仍然无法治愈，但及早发现它可以为患者提供更多的治疗和支持选择。由于语言障碍是 60-80% 的痴呆症患者的症状，研究人员一直专注于能够捕捉细微线索的程序——例如犹豫、犯语法和发音错误以及忘记单词的意思——作为一种快速测试可以指示患者是否应该接受全面检查。

“我们从正在进行的研究中了解到，阿尔茨海默病的认知影响可以在语言产生中体现出来，”Drexel 生物医学工程、科学与卫生系统学院教授、该论文的合著者 Hualou Liang 博士说。研究。“除了认知测试外，最常用的阿尔茨海默病早期检测测试还包括声学特征，例如停顿、发音和声音质量。但我们相信，自然语言处理程序的改进提供了另一种途径来支持早期识别老年痴呆症。”

一个倾听和学习的程序

GPT-3 是 OpenAI 通用预训练转换器 (GPT) 的第三代正式版本，它使用深度学习算法——通过处理来自互联网的大量信息进行训练，特别关注单词的使用方式和语言的构建方式。这种训练使其能够对任何涉及语言的任务产生类似人类的反应，从回答简单的问题，到写诗或散文。

GPT-3 特别擅长“零数据学习”——这意味着它可以回答通常需要尚未提供的外部知识的问题。例如，要求程序编写文本的“Cliff's Notes”通常需要解释这意味着摘要。但是 GPT-3 已经经过足够的训练来理解参考并适应自身以产生预期的响应。

“GPT3 对语言分析和生成的系统方法使其成为识别可能预测痴呆症发作的微妙语音特征的有前途的候选者，”该学院的博士研究员、该论文的第一作者 Felix Agbavor 说。“使用大量访谈数据集训练 GPT-3——其中一些是针对阿尔茨海默氏症患者的——将为它提供提取语音模式所需的信息，然后这些信息可用于识别未来患者的标记。”

寻找语音信号

研究人员通过使用语音记录数据集的一部分中的一组转录本训练程序来测试他们的理论，这些记录是专门为测试自然语言处理程序预测痴呆症的能力而编译的。该程序从文本中捕获了单词使用、句子结构和含义的有意义的特征，以产生研究人员所说的“嵌入”——阿尔茨海默氏症言语的特征概况。

然后他们使用嵌入来重新训练程序——将其变成阿尔茨海默氏症筛查机器。为了对其进行测试，他们要求该程序审查数据集中的数十个转录本，并确定每个转录本是否由患有阿尔茨海默氏症的人制作。

该小组以相同的速度运行两个顶级自然语言处理程序，发现 GPT-3 在准确识别阿尔茨海默氏症示例、识别非阿尔茨海默氏症示例以及遗漏病例数方面均优于这两个程序。

第二项测试使用 GPT-3 的文本分析来预测来自数据集的不同患者在预测痴呆症严重程度的常见测试中的分数，该测试称为迷你精神状态测试 (MMSE)。

然后，该团队将 GPT-3 的预测准确性与仅使用录音的声学特征(例如停顿、语音强度和含糊不清)进行分析的预测准确性进行比较，以预测 MMSE 分数。事实证明，GPT-3 在预测患者 MMSE 评分方面的准确度提高了近 20%。

“我们的结果表明，由 GPT-3 生成的文本嵌入不仅可以可靠地用于从健康对照中检测患有阿尔茨海默病的个体，还可以仅基于语音数据推断受试者的认知测试分数，”他们写道. “我们进一步表明，文本嵌入优于传统的基于声学特征的方法，甚至可以与微调模型竞争。这些结果共同表明，基于 GPT-3 的文本嵌入是一种有前途的 AD 评估方法，具有潜力改善痴呆症的早期诊断。”

继续搜索

为了在这些有希望的结果的基础上，研究人员计划开发一个网络应用程序，可以在家里或在医生办公室用作预筛查工具。

“我们的概念验证表明，这可能是一种简单、易于访问且足够敏感的社区测试工具，”Liang 说。“这对于临床诊断前的早期筛查和风险评估非常有用。”