Rakenduse arendamine ALS-i diagnoosimiseks

Rakenduse arendamine ALS-i diagnoosimiseks

MõttejuhtDr Jordan GreenKeele- ja söömishäirete labori juhatajaMGH Tervise Kutsealade Instituut

Selles intervjuus räägime Dr. MGH Instituudi Jordan Greeniga tema hiljutisest uurimispartnerlusest ettevõttega Modality.AI, mis uuris, kas rakendust saab kasutada ALS-i põhjustatud keelekaotuse tõhusaks diagnoosimiseks.

Kas saaksite palun end tutvustada ja öelda, mis inspireeris teie amüotroofse lateraalskleroosi (ALS) uurimist?

Olen teaduslik peanõunik, rehabilitatsiooniteaduste professor ning Massachusettsi osariigis Bostonis asuva MGH Tervise Kutseinstituudi kõne- ja toitumishäirete labori direktor. Olen diplomeeritud kõnekeelepatoloog ja entusiastlik teadlane, kes uurib kõne- ja neelamishäireid kogu eluea jooksul.

Uurides laste kõne motoorse kontrolli arengut ja arendades selle kõne kvantifitseerimiseks arvutipõhiseid tehnoloogiaid, hakkasin suhtlema ALS-i kliinikuid juhtivate arstidega. Nad väljendasid vajadust tehnoloogia järele, mis on sarnane sellele, mida ma kasutan kõne ja neelamise paremaks mõõtmiseks ALS-iga täiskasvanutel. Neil olid õiged tehnoloogiad ja tehnikad jäsemete liigutuste ja kõndimise mõõtmiseks, kuid neil oli raskusi kõnesüsteemi mõõtmise ja hindamisega, kuna lihased on nii väikesed ja suhteliselt kättesaamatud ning kõneliigutused nii kiired ja minutilised. Seda tüüpi mõõtmine nõudis traditsiooniliselt märkimisväärseid teadmisi ja objektiivsemaid meetmeid. Sellest ajast peale hakkasin töötama spetsiaalselt ALS-i jaoks mõeldud arvutipõhiste hindamisvahendite väljatöötamisega.

Foto krediit: Kateryna Kon / Shutterstock.com

Praegu võib ALS-i diagnoosimiseks kuluda kuni 18 kuud ja kui see juhtub, ei ole ravimteraapiad motoorsete neuronite kadumise tõttu enam nii tõhusad. Miks on nii oluline, et ALS-i oleks võimalik patsientidel varem tuvastada?

Kui tegemist on sellise haigusega nagu ALS, on varajane diagnoosimine hädavajalik. Ainult 15 protsendil inimestest, kellel tekib ALS, on geneetiline marker, mida suudame tuvastada. Seetõttu on ülioluline, et arstidel oleks objektiivsed viisid seisundi võimalikult varaseks ja täpseks hindamiseks. Kuna neljandikul ALS-i patsientidest on kõnehäire esimene sümptom, võib peente muutuste jälgimine toimida varajase hoiatussüsteemina.

ALS-i edenedes võivad kõne, neelamise, hingamise ja kõndimise eest vastutavad motoorsed neuronid kiiresti halveneda, kuid kui haigust saab avastada selle varases staadiumis, kui motoorsed neuronid on veel terved, on sekkumisest saadav kasu tõenäoliselt maksimaalne. Sellised õiged tehnoloogiad suudavad ka patsientide muutusi täpsemalt tuvastada, võimaldades lõpuks haiguse progresseerumist paremini jälgida.

Praegu osalevad nad uuringus, mille eesmärk on testida digitaalse terviserakenduse tõhusust ALS-i jaoks. Kas saate selle uuringu ja selle eesmärkide kohta rohkem rääkida?

National Institutes of Health (NIH) andis minu meeskonnale koostöös rakenduse arendajaga Modality.AI toetuse, et teha kindlaks, kas rakenduse kogutud kõneandmed on sama tõhusad või tõhusamad kui ALS-i tõttu kõne- ja neelamisprobleeme hindavate ja ravivate kliiniliste ekspertide tähelepanekud.

Rakenduse kogutud andmeid võrreldakse tulemustega, mis on saadud tipptasemel keelemõõtmise laboritehnikatest, mille kasutamine on kallis ja keeruline. Kui tulemused vastavad arstide ja nende tipptasemel seadmete omadele, teame, et neil on õige lähenemisviis.

Pildi krediit: Modality.AI

Rakendusel endal on virtuaalne agent Tina. Kuidas see virtuaalne agent saab kõneandmete teavet?

Rakenduse kasutamine on sama lihtne kui lingil klõpsamine. Patsient saab e-kirja või tekstisõnumi, mis näitab, et on aeg kirje luua. Lingil klõpsamine aktiveerib kaamera ja mikrofoni ning Tina, virtuaalne tehisintellekti agent, hakkab juhiseid jagama. Seejärel palutakse patsiendil teha selliseid asju nagu numbreid lugeda, lauseid korrata ja lõiku lugeda. Vahepeal kogub rakendus andmeid video- ja helisignaalide muutujate mõõtmiseks, näiteks: B. Huulte ja lõualuude liikumise kiirus, kõne kiirus, helikõrguse varieeruvus ja pausimustrid.

Tina dekodeerib kõneakustikast ja kõneliigutustest pärinevat teavet, mis eraldatakse automaatselt hindamise käigus saadud kogu nägu hõlmavatest videosalvestustest. Arvutinägemise tehnoloogiad – nagu B. Näo jälgimine – pakuvad mitteinvasiivset viisi kõne ajal näo liigutuste suurte andmekogumite tunnuste täpseks salvestamiseks ja arvutamiseks.

Millist teavet saab see terviserakendus patsientidele pakkuda? Mis kasu on patsientidele, kui kogu see teave on käeulatuses?

Kõnemuutused on ALS-i puhul tavalised, kuid ALS-i progresseerumise määr on inimestel erinev. Patsiendid teatavad, et kõnevõime kaotus on haiguse üks hullemaid tagajärgi. Rakendus võimaldab patsientidel oma keeleajalugu distantsilt dokumenteerida. Pakkujad kasutavad seda teavet, et aidata patsientidel ja nende perekondadel teha teadlikke otsuseid kogu haiguse vältel.

Logopeedina soovime optimeerida suhtlemist nii kaua kui võimalik. Ja patsientide varane õpetamine alternatiivsete suhtlusvahendite kasutamiseks on tõhusam kui oodata, kuni nad on kaotanud kõnevõime. Lisaks annab diagnoosi varajane kinnitamine patsientidele piisavalt aega sõnumi- ja kõnepanganduse alustamiseks, et nende enda häält saaks kasutada kõneks muutvas (TTS) või kõne genereerivas seadmes (SGD). Patsientidele on lisahüvesid, sealhulgas väiksemad kulud ja patsientide vajadus keeleoskuse hindamiseks kliinikusse reisida.

Lõpuks nõuab rakendus tavaliselt vaid mõne minuti nädalas patsiendi kaasamist, säästab aega ja kulusid ning nõuab vähem energiat kui kliiniline läbivaatus, samuti aega ja viivitusi, mis on seotud kohtumiste koordineerimise ja tervishoiuasutusse reisimisega. Varajase avastamise ja objektiivsete meetmete puudumine on kaks probleemi, mis on takistanud ravi edenemist. Kiiresti areneva haiguse puhul on ülioluline varajane diagnoosimine.

Millist kasu võiks see lisaks patsientidele saadavatele hüvedele pakkuda tervishoiuteenuse osutajatele?

Rakendus võimaldab arstidel kaugjuurdepääsu oma patsientide andmetele ja iseenesest jälgib kõne edenemist, võimaldades teenusepakkujal kõnet hallata ja jälgida, ilma et oleks vaja sagedasi isiklikke külastusi. Selline juurdepääsetavuse tase võimaldab arstidel patsiente regulaarsemalt jälgida, teha täpsemaid järeldusi ravi kohta ja määrata parima võimaliku raviplaani. See lihtsustab kogu protsessi ja vähendab patsientide ja teenuseosutajate koormust, vähendades samal ajal kliiniliste teenuste ressursikulu. Rakenduse suurenenud täpsus ja tõhusus on eriti atraktiivne ka kliinilistele teadlastele ja ettevõtetele, kes kasutavad kõnemustreid ALS-i ravimite uuringute tulemusnäitajatena.

Selles uuringus tegite koostööd tehnoloogiaettevõttega Modaalsus.AI. Kui olulised on seda tüüpi koostöö uute teaduslike ideede ja tehnoloogiate toomisel maailma?

Kasutasin võimalust töötada Modality.AI-ga. Meeskonnaliikmetel on ainulaadne ja ulatuslik ajalugu tehisintellekti häälrakenduste arendamisel ning ärihuvi selle tehnoloogia rakendamise vastu tavalistes tervishoiuteenustes ja kliinilistes uuringutes. Uutel tehnoloogiatel on eriti oht ebaõnnestuda, kui neid ei toeta äriettevõte. Seetõttu oli see suhe meie uuringu üldiste eesmärkide jaoks kriitiline.

Loodan, et seda tüüpi tervisetehnoloogia koostöö muutub üha populaarsemaks ja avaldab sellistele uuringutele üha suuremat mõju.

Foto krediit: elenabsl/Shutterstock.com

Tehisintellekti (AI) populaarsus on viimastel aastatel tohutult kasvanud. Miks see nii on ja kas te arvate, et tehisintellekt muutub jätkuvalt tervishoiu lahutamatuks osaks?

Tehisintellektil on väga oluline roll meie inimmõistusele raskesti mõistetavate seisundite tuvastamisel, kuna enamik terviseprobleeme on mitmemõõtmelised ja väga keerulised, mõjutades sageli mitut kehaosa ja erinevaid sümptomeid, mis aja jooksul muutuvad.

Masinõpe on ideaalne lahendus teatud terviseseisundite diagnoosimiseks ja jälgimiseks, kuna koguda on nii palju andmeid. Need masinad suudavad neid andmeid töödelda ja mustreid määratleda viisil, mida inimese silmad ja kõrvad ei suuda sama täpsusega eristada.

AI ja masinõppe kasutamine sel viisil on samuti keeruline. Selleks, et need mudelid oleksid täpsed ja töötaksid ettenähtud viisil, tuleb neid koolitada. Nende mudelite täpseks muutmiseks vajalike koolitusandmete hankimine on suur ülesanne. Näiteks masina täpsete hinnangute andmiseks väljaõpetamine võib nõuda sadu või tuhandeid näiteid konkreetse tingimuse kohta, et algoritm saaks treenida ja selle kohta "õppida". Sel eesmärgil tuleb need andmed koguda ja seejärel väga hoolikalt valida. See andmete puudumine on osutunud kitsaskohaks.

Kuigi tehisintellekt on osutunud meditsiinivaldkonnas hindamatuks, ei asenda see arste. Praktikud pakuvad võrratut isikupärast abi, otsuste langetamist ja igakülgset patsiendituge ning neid ei saa asendada.

Mis ootab teid ja teie õpinguid edasi?

Mõned patsientide esindajad testivad praegu rakendust ja edastavad seda patsientidele. Tuginedes NIH-lt saadud toetuse struktuurile, jätkame rakenduse kallal tööd, et järgmise kolme aasta jooksul toetustsükli jätkamiseks täita kehtestatud kriteeriume. I etapp kestab ühe aasta ja II etapp kaks aastat.

Dr Jordan Greeni kohta

Dr Green, kes on töötanud MGH Instituudis alates 2013. aastast, on kõnepatoloog, kes uurib kõneproduktsiooni bioloogilisi aspekte. Ta õpetab kõnefüsioloogiat ning kõne, keele ja kuulmise neuraalseid aluseid käsitlevaid magistrikursusi. IHP uurimisosakonna teadusliku peanõunikuna töötab ta koos teadusuuringute asetäitjaga värbamise, strateegilise planeerimise ja mitmesuguste eriprojektide alal. Ta on ka instituudi kõne- ja toitumishäirete labori (SFDL) direktor. Ta nimetati esimeseks Matina Souretis Horneri rehabilitatsiooniteaduste professoriks. Tema uurimistöö keskendub kõneproduktsioonihäiretele, varajase kõne ja toitmise suumotoorsete oskuste arendamisele ning kõnemotoorika jõudluse kvantifitseerimisele. Tema uurimistööd on avaldatud riiklikes ja rahvusvahelistes ajakirjades, sealhulgas Child Development, Journal of Neurophysiology, Journal of Speech and Hearing Research ja Journal of the Acoustical Society of America. Ta on töötanud mitmetes riiklike tervishoiuinstituutide toetuste läbivaatamise paneelides. 2012. aastal nimetati ta American Speech-Language-Hearing Associationi liikmeks ja 2015. aastal sai dr Green Willard R. Zemlini auhinna kõneteaduses.

Tema tööd on rahastanud riiklikud terviseinstituudid (NIH) alates 2000. aastast. Ta annab tulemuslikult kaasa suurematele ajakirjadele, millel on üle 100 eelretsenseeritud väljaande. Ta on oma töid esitlenud rahvusvaheliselt ja riiklikult. Ta on mitmete IHP doktorantide nõustaja, omab kümme Ph.D. väitekirjad ja juhendas ühtteist järeldoktorantuuri. Ta on ka paljude ajakirjade toimetuse konsultant ja osalenud mitmetes NIH-i stipendiumite läbivaatamise paneelides.

.