痴呆症的诊断是通过认知功能测试(如迷你精神状态检查(MMSE))和医院的医学成像系统进行的,这是一个相当大的系统。随着人口老龄化,越来越多的人患上痴呆症。因此,易于使用的痴呆检测方法受到追捧。在以往的研究中,主要使用神经心理学问题进行诊断,因此对相同问题的习惯降低了诊断痴呆症的性能。
来自大阪大学和奈良科技学院的联合研究人员展示了可以从人代理互动中的对话中发现痴呆症。通过机器学习实现了这种技术:机器学会了从计算机上的头像回答的老年人的声音特征。
研究人员提出了用于检测其早期阶段的痴呆症迹象的机器学习算法,使用交互式计算机头像开发痴呆症检测系统。他们根据语音,语言的特征创建了一种机器学习模型,从记录的对话与老年参与者进行了录音。通过机器学习,一台计算机可以在6个问题中以90%的速度(每项问题2-3分钟)区分痴呆症的痴呆症的人。
研究小组根据神经心理学测试准备了固定问题,并根据非特定测试准备了随机问题,记录与12名参与者(精神病学家根据诊断标准诊断和统计手册(DSM)-IV)和12名健康对照者被诊断患有痴呆症的人)的虚拟化身对话的互动数据。他们从记录的数据中提取语音、语言和图像特征,创建了一个检测痴呆症的模型,并使计算机自己学习来检测痴呆症。
结果,计算机能够区分健康的控制者和患有痴呆症的个体,准确率为92%。研究发现,通过结合痴呆的特征,如根据问题的内容、语调、声音的清晰度、名词和动词在话语中的百分比,对虚拟化身的问题反应迟缓,可以较准确地区分痴呆。
高级作家Takashi Kudo说,“如果进一步发展这种技术,则可以通过每天在家中与计算机头像的谈话进行痴呆症的早期阶段。它会鼓励他们寻求医疗帮助,导致早期诊断。“
来源:大阪大学