Razvoj aplikacije za dijagnosticiranje ALS-a

Razvoj aplikacije za dijagnosticiranje ALS-a

Vođa mislidr. Jordan GreenVoditeljica Laboratorija za jezik i poremećaje hranjenjaMGH institut za zdravstvene profesije

U ovom intervjuu razgovaramo s dr. MGH Institutom Jordanom Greenom o njegovom nedavnom istraživačkom partnerstvu s Modality.AI, koje je ispitivalo može li se aplikacija koristiti za učinkovito dijagnosticiranje gubitka jezika zbog ALS-a.

Možete li se predstaviti i reći nam što je inspiriralo vaše istraživanje amiotrofične lateralne skleroze (ALS)?

Glavni sam znanstveni savjetnik, profesor rehabilitacijskih znanosti i direktor Laboratorija za poremećaje govora i prehrane pri MGH Institutu za zdravstvene profesije u Bostonu, Massachusetts. Certificirani sam logoped i entuzijastični istraživač koji proučava poremećaje govora i gutanja tijekom cijelog života.

Dok sam proučavao razvoj motoričke kontrole govora kod djece i razvijao računalne tehnologije za kvantificiranje tog govora, počeo sam komunicirati s liječnicima koji vode klinike za ALS. Izrazili su potrebu za tehnologijom sličnom onoj koju ja koristim za bolje mjerenje govora i gutanja kod odraslih s ALS-om. Imali su prave tehnologije i tehnike za mjerenje pokreta udova i hodanja, ali su imali poteškoća u mjerenju i procjeni govornog sustava jer su mišići tako mali i relativno nedostupni, a govorni pokreti tako brzi i sićušni. Ova vrsta mjerenja tradicionalno je zahtijevala značajnu stručnost i objektivnija mjerenja. Od tada sam počeo raditi na razvoju računalnih alata za procjenu posebno za ALS.

Autor fotografije: Kateryna Kon/Shutterstock.com

Trenutno može proći i do 18 mjeseci da se postavi dijagnoza ALS-a, a kada se to dogodi, terapije lijekovima više nisu tako učinkovite zbog gubitka motornih neurona. Zašto je toliko važno ranije otkriti ALS kod pacijenata?

Kada se radi o bolesti kao što je ALS, rana dijagnoza je neophodna. Samo 15 posto ljudi koji razviju ALS imaju genetski marker koji možemo identificirati. Stoga je ključno da kliničari imaju objektivne načine za procjenu stanja što je moguće ranije i točnije. Budući da četvrtina pacijenata s ALS-om ima poremećaj govora kao prvi simptom, praćenje suptilnih promjena moglo bi poslužiti kao sustav ranog upozorenja.

Kako ALS napreduje, motorni neuroni odgovorni za govor, gutanje, disanje i hodanje mogu brzo propadati, ali ako se bolest može otkriti u ranim fazama dok su motorni neuroni još netaknuti, koristi od intervencija će vjerojatno biti maksimalne. Prave tehnologije poput ovih također mogu preciznije otkriti promjene kod pacijenata, što u konačnici omogućuje bolje praćenje napredovanja bolesti.

Trenutno su uključeni u studiju za testiranje učinkovitosti digitalne zdravstvene aplikacije za ALS. Možete li nam reći nešto više o ovom studiju i njegovim ciljevima?

Nacionalni instituti za zdravlje (NIH) dodijelili su mom timu potporu u suradnji s razvojnim programerom aplikacije Modality.AI kako bi se utvrdilo jesu li podaci o govoru prikupljeni aplikacijom jednako učinkoviti ili učinkovitiji od opažanja kliničkih stručnjaka koji procjenjuju i liječe probleme s govorom i gutanjem uzrokovane ALS-om.

Podaci prikupljeni aplikacijom uspoređuju se s rezultatima dobivenim iz najsuvremenijih laboratorijskih tehnika za mjerenje jezika, koje su skupe i komplicirane za korištenje. Kada se rezultati podudaraju s rezultatima kliničara i njihove vrhunske opreme, znamo da imaju valjan pristup.

Kredit za sliku: Modality.AI

Sama aplikacija sadrži virtualnu agenticu Tinu. Kako ovaj virtualni agent može dobiti informacije o glasovnim podacima?

Korištenje aplikacije jednostavno je poput klika na poveznicu. Pacijent prima e-poruku ili tekstualnu poruku koja pokazuje da je vrijeme za izradu zapisa. Klikom na poveznicu aktiviraju se kamera i mikrofon, a Tina, virtualna AI agentica, počinje davati upute. Od pacijenta se zatim traži da čini stvari poput brojanja brojeva, ponavljanja rečenica i čitanja odlomka. U međuvremenu, aplikacija prikuplja podatke za mjerenje varijabli iz video i audio signala, kao što su: B. Brzina pokreta usana i čeljusti, brzina govora, varijacije visine i obrasci pauze.

Tina dekodira informacije iz akustike govora i govornih pokreta koji se automatski izvlače iz video zapisa u cijelom licu dobivenih tijekom procjene. Tehnologije računalnog vida – kao što je B. Praćenje lica – pružaju neinvazivan način za točno snimanje i izračunavanje značajki iz velikih skupova podataka o pokretima lica tijekom govora.

Koje informacije ova zdravstvena aplikacija može pružiti pacijentima? Koje su koristi za pacijente od toga da im sve te informacije budu na dohvat ruke?

Promjene govora uobičajene su kod ALS-a, ali stopa napredovanja ALS-a razlikuje se od osobe do osobe. Pacijenti navode da je gubitak sposobnosti govora jedna od najgorih posljedica bolesti. Aplikacija omogućuje pacijentima da daljinski dokumentiraju svoju jezičnu povijest. Pružatelji će koristiti ove informacije kako bi pomogli pacijentima i njihovim obiteljima da donose informirane odluke tijekom bolesti.

Kao logopedi, želimo optimizirati komunikaciju što je duže moguće. Rano podučavanje pacijenata korištenju alternativnih načina komunikacije učinkovitije je nego čekati dok ne izgube sposobnost govora. Osim toga, rana potvrda dijagnoze daje pacijentima dovoljno vremena za početak prikupljanja poruka i glasa tako da se njihov vlastiti glas može koristiti u uređaju za pretvaranje teksta u govor (TTS) ili uređaju za generiranje govora (SGD). Postoje dodatne pogodnosti za pacijente, uključujući smanjene troškove i uklanjanje potrebe da pacijenti putuju u klinike na procjenu jezika.

Konačno, aplikacija općenito zahtijeva samo nekoliko minuta tjedno angažmana pacijenta, čime se štedi vrijeme i troškovi te zahtijeva manje energije od kliničkog pregleda, kao i vrijeme i kašnjenja povezana s koordinacijom termina i putovanjem do zdravstvene ustanove. Nedostatak ranog otkrivanja i objektivnih mjera dva su problema koji su spriječili napredak liječenja. Rana dijagnoza je ključna za brzo napredovanje bolesti.

Osim dobrobiti za pacijente, koje bi koristi moglo pružiti pružateljima zdravstvenih usluga?

Aplikacija će liječnicima omogućiti daljinski pristup podacima svojih pacijenata i, sama po sebi, prati napredak govora, omogućujući pružatelju usluga upravljanje i praćenje govora bez potrebe za čestim osobnim posjetima. Ova razina pristupačnosti omogućuje liječnicima da redovitije prate pacijente, donose preciznije zaključke o liječenju i utvrđuju najbolji mogući plan liječenja. To pojednostavljuje cijeli proces i smanjuje opterećenje pacijenata i pružatelja usluga, a istovremeno smanjuje potrošnju resursa za kliničke usluge. Povećana preciznost i učinkovitost aplikacije također će biti posebno privlačna kliničkim znanstvenicima i tvrtkama koje koriste obrasce govora kao mjere ishoda u ispitivanjima lijekova protiv ALS-a.

U ovom ste studiju sklopili partnerstvo s tehnološkom tvrtkom Modalitet.AI. Koliko su ovakve vrste suradnje važne za donošenje novih znanstvenih ideja i tehnologija u svijet?

Prograbio sam priliku za rad s Modality.AI. Članovi tima imaju jedinstvenu i opsežnu povijest u razvoju glasovnih aplikacija umjetne inteligencije i komercijalni interes za implementaciju ove tehnologije u glavnu zdravstvenu skrb i klinička ispitivanja. Nove tehnologije posebno su u opasnosti od neuspjeha ako ih ne podržava komercijalna tvrtka. Stoga je ovaj odnos bio kritičan za naše opće ciljeve studije.

Očekujem da će ove vrste suradnje na području zdravstvene tehnologije postati sve popularnije i imati sve veći utjecaj na studije poput ove.

Autor fotografije: elenabsl/Shutterstock.com

Umjetna inteligencija (AI) posljednjih je godina doživjela ogroman rast popularnosti. Zašto je to tako i mislite li da će umjetna inteligencija i dalje postati sastavni dio zdravstvene skrbi?

AI igra vrlo važnu ulogu u prepoznavanju stanja koja je našem ljudskom umu teško razumjeti, budući da je većina zdravstvenih problema višedimenzionalna i vrlo komplicirana, često zahvaćajući više dijelova tijela i različite simptome koji se mijenjaju tijekom vremena.

Strojno učenje savršeno je rješenje za dijagnosticiranje i praćenje određenih zdravstvenih stanja jer postoji toliko mnogo podataka za apsorbirati. Ovi strojevi mogu obraditi te podatke i definirati uzorke na načine koje ljudske oči i uši ne mogu razaznati do istog stupnja točnosti.

Korištenje umjetne inteligencije i strojnog učenja na ovaj način također će biti izazovno. Kako bi ovi modeli bili točni i radili kako treba, moraju biti obučeni. Prikupljanje podataka o obuci potrebnih za točnost ovih modela bit će veliki zadatak. Na primjer, osposobljavanje stroja za izradu točnih procjena može zahtijevati stotine ili tisuće primjera određenog stanja da bi se algoritam osposobio i "učio" o njemu. U tu svrhu ovi se podaci moraju prikupiti i zatim pažljivo odabrati. Ovaj nedostatak podataka pokazao se kao usko grlo.

Iako se umjetna inteligencija pokazala neprocjenjivom u medicinskom polju, ona neće zamijeniti kliničare. Ljudski praktičari pružaju neusporedivu personaliziranu skrb, donošenje odluka i sveobuhvatnu podršku pacijentima i ne mogu se zamijeniti.

Što je sljedeće za tebe i tvoj studij?

Neki predstavnici pacijenata trenutačno testiraju aplikaciju i prosljeđuju je pacijentima. Na temelju strukture potpore koju smo dobili od NIH-a, nastavit ćemo raditi na aplikaciji kako bismo ispunili utvrđena mjerila tijekom sljedeće tri godine kako bismo nastavili ciklus potpore. Faza I traje godinu dana, a Faza II traje dvije godine.

O dr. Jordanu Greenu

Dr. Green, koja radi na Institutu MGH od 2013., logoped je koja proučava biološke aspekte govorne produkcije. Predaje diplomske kolegije iz fiziologije govora i neuralne osnove govora, jezika i sluha. Kao glavni znanstveni savjetnik u Odjelu za istraživanje IHP-a, radi s prorektorom za istraživanje na zapošljavanju, strateškom planiranju i nizu posebnih projekata. Također je ravnatelj Laboratorija za poremećaje govora i prehrane (SFDL) na institutu. Proglašen je prvim Matina Souretis Horner profesorom rehabilitacijskih znanosti. Njegovo istraživanje usmjereno je na poremećaje govorne produkcije, razvoj oromotoričkih vještina za rani govor i hranjenje te kvantifikaciju govorne motorike. Njegova su istraživanja objavljena u nacionalnim i međunarodnim časopisima uključujući Child Development, Journal of Neurophysiology, Journal of Speech and Hearing Research i Journal of the Acoustical Society of America. Bio je član nekoliko povjerenstava za reviziju potpore pri Nacionalnom institutu za zdravlje. Godine 2012. imenovan je članom Američke udruge za slušanje govora, a 2015. dr. Green je dobio nagradu Willard R. Zemlin za znanost o govoru.

Njegov rad financiraju Nacionalni instituti za zdravlje (NIH) od 2000. Produktivno pridonosi velikim časopisima s više od 100 recenziranih publikacija. Svoj rad predstavio je u inozemstvu i zemlji. Savjetnik je nekoliko doktoranada IHP-a, ima deset doktorata znanosti. disertacije i mentorirao jedanaest poslijedoktoranda. On je također urednički konzultant za brojne časopise i služio je u nekoliko NIH-ovih panela za reviziju grantova.

.