Dilaporkan dalam jurnal PLoS Digital Health , studi Drexel adalah yang terbaru dalam serangkaian upaya untuk menunjukkan keefektifan program pemrosesan bahasa alami untuk prediksi awal Alzheimer – memanfaatkan penelitian saat ini yang menunjukkan bahwa gangguan bahasa dapat menjadi indikator awal gangguan neurodegeneratif. .
Menemukan Tanda Awal
Praktik saat ini untuk mendiagnosis Penyakit Alzheimer biasanya melibatkan tinjauan riwayat medis dan serangkaian evaluasi dan tes fisik dan neurologis yang panjang. Meskipun masih belum ada obat untuk penyakit ini, mengetahuinya lebih awal dapat memberi pasien lebih banyak pilihan untuk terapi dan dukungan. Karena gangguan bahasa adalah gejala pada 60-80% pasien demensia, peneliti telah berfokus pada program yang dapat menangkap petunjuk halus — seperti keraguan, membuat kesalahan tata bahasa dan pengucapan, serta melupakan arti kata — dengan cepat. tes yang dapat menunjukkan apakah pasien harus menjalani pemeriksaan lengkap atau tidak.
“Kami tahu dari penelitian yang sedang berlangsung bahwa efek kognitif Penyakit Alzheimer dapat memanifestasikan dirinya dalam produksi bahasa,” kata Hualou Liang, PhD, seorang profesor di Sekolah Teknik Biomedis, Sains dan Sistem Kesehatan Drexel dan salah satu penulis penelitian tersebut. “Tes yang paling umum digunakan untuk deteksi dini Alzheimer terlihat pada fitur akustik, seperti jeda, artikulasi, dan kualitas vokal, selain tes kognisi. Namun kami percaya peningkatan program pemrosesan bahasa alami menyediakan jalur lain untuk mendukung identifikasi awal penyakit. Alzheimer.”
Sebuah Program yang Mendengarkan dan Belajar
GPT-3, secara resmi merupakan generasi ketiga dari General Pretrained Transformer (GPT) OpenAI, menggunakan algoritme pembelajaran mendalam — dilatih dengan memproses sejumlah besar informasi dari internet, dengan fokus khusus pada bagaimana kata-kata digunakan, dan bagaimana bahasa dibangun . Pelatihan ini memungkinkannya untuk menghasilkan respons seperti manusia terhadap tugas apa pun yang melibatkan bahasa, mulai dari respons terhadap pertanyaan sederhana, hingga menulis puisi atau esai.
GPT-3 sangat bagus dalam “pembelajaran zero-data” — artinya dapat menjawab pertanyaan yang biasanya membutuhkan pengetahuan eksternal yang belum disediakan. Misalnya, meminta program untuk menulis “Catatan Tebing” dari sebuah teks, biasanya memerlukan penjelasan bahwa ini berarti ringkasan. Namun GPT-3 telah melalui pelatihan yang cukup untuk memahami referensi dan menyesuaikan diri untuk menghasilkan respons yang diharapkan.
“Pendekatan sistemik GPT3 untuk analisis dan produksi bahasa menjadikannya kandidat yang menjanjikan untuk mengidentifikasi karakteristik ucapan halus yang dapat memprediksi timbulnya demensia,” kata Felix Agbavor, seorang peneliti doktoral di School dan penulis utama makalah tersebut. “Melatih GPT-3 dengan kumpulan data wawancara yang sangat banyak — beberapa di antaranya dengan pasien Alzheimer — akan memberikannya informasi yang dibutuhkan untuk mengekstraksi pola bicara yang kemudian dapat diterapkan untuk mengidentifikasi penanda pada pasien di masa depan.”
