近日，據澳大利亞媒體報導，昆士蘭科技大學計算機科學院的數據科學博士艾哈邁德·艾爾克南尼（Ahmed Alkenani）開發了一款聊天機器人，可用於識別處於老年痴呆症不同階段的患者，如輕度認知障礙患者以及可能和極有可能患有阿爾茨海默症的患者。
艾爾克南尼說，「在老年痴呆症發病前幾年就可以檢測到患者在語言表達上的變化。我們研究發現，通過分析患者語言模式和語言表達上的缺陷，能更高效地對早期痴呆症做出診斷。這樣，臨床醫師就能夠及時幹預，從而預防或延遲痴呆症發病。」
圖片來源：圖蟲創意
「目前，在痴呆症的早期診斷階段，臨床醫生一般通過簡易精神狀態檢查表（MMSE）和蒙特婁認知評估量表（MoCA）等工具來向患者提問，或讓患者完成有助於測評認知功能的任務，從而對患者的記憶力、注意力、複述能力和定向能力進行評估。」
「因此，傳統的痴呆症篩查十分仰賴神經科醫生的經驗和專業水平，篩查結果則在很大程度上受患者年齡和教育水平限制。」
艾爾克南尼強調，痴呆症加劇後，患者的語言理解和表達能力會下降。痴呆症越嚴重，患者在語言表達中使用的詞彙量越有限，同一詞彙的重複頻率越高。因此，可以利用語言特徵標記痴呆症的嚴重程度。
「我們研究所用的語言數據是從『痴呆症銀行』提取的。痴呆症銀行是一個大型語言樣本資料庫，收集了處於認知障礙和阿爾茨海默症各個階段的患者在描述著名的『偷餅乾』圖片故事時使用的語言。」
「在研究過程中，我們將這些患者在語言表達上的用詞和語法特徵與前人已確定的語言特徵結合在一起，訓練學習分類機器通過語言特徵標記這兩類疾病的能力。」
艾爾克南尼及其團隊的這項研究包括236位極有可能患有阿爾茨海默症的患者，43位輕度認知功能障礙患者，21位可能患有阿爾茨海默症的患者和243位健康成年人。與健康的成年人相比，老年痴呆症患者隨病情加重使用動詞、副詞和形容詞的頻率會上升，使用名詞的頻率則會下降。
「這一發現很有意思，因為前人的研究顯示名詞和動詞是後天習得的，與大腦不同區域關聯，而這些區域又最先受到老年痴呆症影響，也是早期醫療幹預的關注重點。」
艾爾克南尼的這項研究首次通過機器學習模型自動、準確地區分出輕度認知障礙患者以及可能和極有可能患有阿爾茨海默症的患者。而如果阿爾茨海默症能夠在輕度認知障礙等早期階段就被及時發現，那麼就有辦法穩定甚至減弱患者神經功能的退化。
艾爾克南尼強調，他們最終的目標是開發出能夠遠程推進早期痴呆症診斷的智能會話代理人或聊天機器人，從而取代頗具局限性的傳統痴呆症篩查方法。
原文來源：Hospital and Healthcare
原文標題：Chatbot detects speech changes typical of early Alzheimer's