Computermodell erkennt Alzheimer am Klang

Das mit maschinellem Lernen ausgestattete Berechnungsmodell kann eine kognitive Beeinträchtigung mittels der Tonaufzeichnungen von neuropsychologischen Tests erkennen. Ein persönlicher Termin ist dafür nicht notwendig. Die Forschungsergebnisse wurden in "Alzheimers Disease & Dementia" veröffentlicht.

Laut dem leitenden Forscher Ioannis Paschalidis bedeutet dieser Ansatz einen Schritt in Richtung einer frühen Intervention. Die raschere und frühere Entdeckung von Alzheimer könnte großen klinischen Studien einen Antrieb verleihen, die sich auf Personen in frühen Stadien der Krankheit konzentrieren und so klinische Interventionen ermöglichen können, die den geistigen Abbau verlangsamen. "Es kann die Grundlage eines Online-Tools bilden, das jeden erreichen und die Anzahl der früh untersuchten Menschen erhöhen kann." 

Die Forscher trainierten ihr Modell mit Tonaufzeichnungen neuropsychologischer Tests von über 1.000 Personen, die an der Framingham Heart Study teilgenommen hatten - einer langfristigen Studie zu Herz-Kreislauf-Erkrankungen und weiteren Krankheiten. Mittels automatisiertem Online-Spracherkennungstool und einem Verfahren maschinellen Lernens wurde das Programm zum Transkribieren der Gespräche eingesetzt. Anschließend wurden diese als Nummern verschlüsselt. Ein abschließendes Modell zielte darauf ab, die Wahrscheinlichkeit und Schwere der kognitiven Beeinträchtigung der Person zu beurteilen. Dafür wurden demografische Daten, die verschlüsselten Texte und tatsächliche Diagnosen von Neurologen und Neuropsychologen eingesetzt. 

Laut Paschalidis konnte das Modell nicht nur exakt zwischen gesunden Personen und Menschen mit einer Demenz unterscheiden, sondern auch zwischen Personen mit leichter kognitiven Beeinträchtigung sowie Dementen. Dabei zeigte sich: Die Qualität der Aufzeichnungen und wie Menschen sprachen – ob ihre Sprache flüssig war oder durchgängig stockte – war weniger wichtig als der Inhalt des Gesagten. Das Team muss diese Ergebnisse zwar noch mit anderen Datenquellen abgleichen, sie legen jedoch nahe, dass dieses Tool Ärzte bei der Diagnose einer kognitiven Beeinträchtigung mittels Tonaufnahmen wie jenen von virtuellen oder telemedizinischen Terminen unterstützen könnte. 

Das Modell bietet auch Einblicke, welche Bereiche der neuropsychologischen Untersuchung zur Diagnose einer beeinträchtigten Kognition wichtiger sein dürften als andere. Es teilt die Transkripte der Untersuchungen basierend auf den durchgeführten klinischen Tests in verschiedene Bereiche auf. Die Forscher entdeckten zum Beispiel, dass der Boston Naming Test die meisten Informationen für eine genau Demenz-Diagnose liefert. Bei diesem Test muss ein Bild mit einem Wort beschrieben werden. Damit könnten Paschalidis zufolge Ressourcen so umverteilt werden, dass mehr Untersuchungen, auch vor dem Auftreten von Symptomen, durchgeführt werden. 

Quelle: Boston University/pressetext

13.07.2022

• Alzheimer (167)
• Diagnostik (470)
• Machine Learning (87)
• Studien (631)