AI+醫學，帶來了最新突破結果。

本月早些時候，加拿大阿爾伯塔大學計算機科學系的Zehra Shah、Shi-Ang Qi等人發表了一篇圍繞“使用特定的聲學特征檢測早期阿爾茲海默癥”的論文，旨在通過聲學語音特征結合機器學習模型來檢測患者的認知能力下降程度。

結果顯示，研究人員開發的模型能夠以70%至75%的準確率區分阿爾茨海默病患者和健康對照組：

(資料圖片僅供參考)

總的來說，我們的結果表明，機器學習模型可以檢測到語音的認知衰退，即使是在不同的語言（從英語學習，然后在希臘語中使用）和稍微不同的任務（不同的圖片）上進行訓練。

阿爾茨海默癥在早期階段的檢測是具有挑戰性的，因為其癥狀往往開始時相當微妙，并可能與晚年的典型記憶相關問題相混淆。

研究人員指出，盡管不能替代專業醫療診斷，但該模型將為醫療服務提供有效支持，越早發現潛在問題，患者就能越早開始采取行動。

參與創建該模型的計算科學系教授Eleni Stroulia表示，患者甚至可以通過智能手機進行訪問該模型：

以前，你需要進行實驗室工作和醫學成像來檢測腦部變化；這需要時間，費用高昂，并且沒有人會在如此早期進行測試。

如果你使用手機來獲得早期指標，這將為患者向醫生提供信息。這有可能盡早開始治療，并且我們甚至可以通過移動設備在家中進行簡單干預，以減緩病情的進展。

該論文的另一作者Russell Greiner做出進一步解釋：

一個人將聲音輸入工具，它進行分析并作出預測：是，這個人患有阿爾茨海默病，還是否。

然后工具可以將這些信息帶給醫療專業人員，以確定對這個人的最佳行動方案。

Greiner和Stroulia都是阿爾伯塔大學計算科學系計算精神經科學研究小組的成員，他們已經開發了類似的人工智能模型和工具，用于檢測創傷后應激障礙、精神分裂癥、抑郁癥和躁郁癥等精神障礙。

從語言檢測到語音檢測

該研究小組表示，他們此前研究過阿爾茲海默病患者的語言使用，但對語音特征的研究可以跨越語言。

Stroulia表示：

原始工作涉及聽說的內容，理解他們所說的意思。這是一個較容易解決的計算問題。現在我們說，聆聽他們的聲音。人們說話的方式中有一些超越語言的屬性。

這比我們之前解決的問題版本要強大得多。

他們從阿爾茨海默病患者中常見的語音特征開始切入，這些患者往往說話較慢，語音中有更多的停頓或中斷。他們通常使用較短的詞，并且語音的可理解性通常較低。

之后，他們找到了將這些特征轉化為模型可篩查的語音特征的方法。

雖然這份研究關注的是使用英語和希臘語的人，但該論文第一作者Zehra Shah表示，這項技術有潛力在不同語言中使用。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：