Ontwikkeling van een app om ALS te diagnosticeren

Ontwikkeling van een app om ALS te diagnosticeren

Gedachte leiderDr. Jordan GreenHoofd van het Laboratorium voor Taal- en EetstoornissenMGH Instituut voor Gezondheidsberoepen

In dit interview praten we met Jordan Green van Dr. MGH Institute over zijn recente onderzoekspartnerschap met Modality.AI, waarin werd onderzocht of een app gebruikt zou kunnen worden om effectief taalverlies als gevolg van ALS te diagnosticeren.

Kunt u uzelf voorstellen en ons vertellen wat de inspiratie was voor uw onderzoek naar amyotrofische laterale sclerose (ALS)?

Ik ben wetenschappelijk hoofdadviseur, hoogleraar revalidatiewetenschappen en directeur van het Speech and Nutrition Disorders Laboratory van het MGH Institute of Health Professions in Boston, Massachusetts. Ik ben een gediplomeerd logopedist en een enthousiaste onderzoeker die spraak- en slikstoornissen gedurende het hele leven bestudeert.

Terwijl ik de ontwikkeling van de motorische controle voor spraak bij kinderen bestudeerde en computergebaseerde technologieën ontwikkelde om deze spraak te kwantificeren, begon ik te communiceren met artsen die ALS-klinieken runnen. Ze drukten de behoefte uit aan technologie vergelijkbaar met degene die ik gebruik om spraak en slikken beter te meten bij volwassenen met ALS. Ze beschikten over de juiste technologieën en technieken om ledemaatbewegingen en lopen te meten, maar hadden moeite met het meten en beoordelen van het spraaksysteem omdat de spieren zo klein en relatief ontoegankelijk zijn en de spraakbewegingen zo snel en minutieus. Dit type meting vereiste traditioneel aanzienlijke expertise en vereiste meer objectieve metingen. Vanaf dat moment begon ik te werken aan de ontwikkeling van computergebaseerde beoordelingsinstrumenten specifiek voor ALS.

Fotocredit: Kateryna Kon/Shutterstock.com

Momenteel kan het tot 18 maanden duren voordat de diagnose ALS wordt gesteld, en wanneer dit gebeurt, zijn medicamenteuze therapieën niet langer zo effectief vanwege het verlies van motorneuronen. Waarom is het zo belangrijk om ALS eerder bij patiënten te kunnen detecteren?

Als het gaat om een ​​ziekte als ALS, is een vroege diagnose essentieel. Slechts 15 procent van de mensen die ALS ontwikkelen, heeft een genetische marker die we kunnen identificeren. Daarom is het van cruciaal belang dat artsen objectieve manieren hebben om de aandoening zo vroeg en nauwkeurig mogelijk te beoordelen. Aangezien een kwart van de ALS-patiënten een spraakstoornis als eerste symptoom heeft, zou het monitoren van subtiele veranderingen kunnen dienen als een systeem voor vroegtijdige waarschuwing.

Naarmate ALS voortschrijdt, kunnen motorneuronen die verantwoordelijk zijn voor spraak, slikken, ademhalen en lopen snel verslechteren, maar als de ziekte in een vroeg stadium kan worden opgespoord terwijl de motorneuronen nog intact zijn, zullen de voordelen van interventies waarschijnlijk worden gemaximaliseerd. De juiste technologieën zoals deze kunnen ook veranderingen bij patiënten nauwkeuriger detecteren, waardoor uiteindelijk de ziekteprogressie beter kan worden gevolgd.

Ze zijn momenteel betrokken bij een onderzoek om de effectiviteit van een digitale gezondheidsapp voor ALS te testen. Kunt u ons meer vertellen over dit onderzoek en de doelstellingen ervan?

De National Institutes of Health (NIH) heeft mijn team in samenwerking met app-ontwikkelaar Modality.AI een subsidie ​​toegekend om te bepalen of spraakgegevens verzameld door een app even effectief of effectiever zijn dan de observaties van klinische experts die spraak- en slikproblemen als gevolg van ALS beoordelen en behandelen.

De door de app verzamelde gegevens worden vergeleken met resultaten verkregen uit de modernste laboratoriumtechnieken voor taalmeting, die duur en ingewikkeld in gebruik zijn. Wanneer de resultaten overeenkomen met die van artsen en hun ultramoderne apparatuur, weten we dat ze een geldige aanpak hebben.

Afbeelding tegoed: Modality.AI

De app zelf beschikt over een virtuele agent, Tina. Hoe kan deze virtuele agent spraakgegevensinformatie verkrijgen?

Het gebruik van de applicatie is net zo eenvoudig als het klikken op een link. De patiënt ontvangt een e-mail of sms waarin wordt aangegeven dat het tijd is om een ​​dossier aan te maken. Als u op een link klikt, worden de camera en microfoon geactiveerd, en Tina, de virtuele AI-agent, begint instructies te geven. Vervolgens wordt de patiënt gevraagd om dingen te doen zoals getallen tellen, zinnen herhalen en een paragraaf lezen. Ondertussen verzamelt de app gegevens om variabelen uit de video- en audiosignalen te meten, zoals: B. Snelheid van lip- en kaakbewegingen, spreeksnelheid, toonhoogtevariatie en pauzepatronen.

Tina decodeert informatie uit de spraakakoestiek en spraakbewegingen die automatisch wordt geëxtraheerd uit full-face video-opnamen die tijdens de beoordeling zijn verkregen. Computervisietechnologieën – zoals B. Facial tracking – bieden een niet-invasieve manier om nauwkeurig kenmerken vast te leggen en te berekenen uit grote datasets van gezichtsbewegingen tijdens spraak.

Welke informatie kan deze gezondheidsapp patiënten bieden? Wat zijn de voordelen voor patiënten als ze al deze informatie binnen handbereik hebben?

Spraakveranderingen komen vaak voor bij ALS, maar de snelheid van progressie van ALS varieert van persoon tot persoon. Patiënten melden dat het verlies van het spraakvermogen een van de ergste gevolgen van de ziekte is. Met de app kunnen patiënten hun taalgeschiedenis op afstand documenteren. Aanbieders zullen deze informatie gebruiken om patiënten en hun families te helpen weloverwogen beslissingen te nemen gedurende het verloop van de ziekte.

Als logopedisten willen wij de communicatie zo lang mogelijk optimaliseren. En patiënten vroegtijdig leren alternatieve communicatiemiddelen te gebruiken is effectiever dan wachten tot ze niet meer kunnen praten. Bovendien biedt een vroege bevestiging van een diagnose patiënten voldoende tijd om te beginnen met het opslaan van berichten en stemmen, zodat hun eigen stem kan worden gebruikt in een tekst-naar-spraak (TTS) of spraakgenererend apparaat (SGD). Er zijn extra voordelen voor patiënten, waaronder lagere kosten en het elimineren van de noodzaak voor patiënten om naar klinieken te reizen voor een taalbeoordeling.

Ten slotte vereist de app over het algemeen slechts een paar minuten per week patiëntbetrokkenheid, wat tijd en kosten bespaart en minder energie vergt dan een klinisch onderzoek, evenals de tijd en vertragingen die gepaard gaan met de coördinatie van afspraken en reizen naar een zorginstelling. Gebrek aan vroege detectie en objectieve maatregelen zijn twee problemen die de voortgang van de behandeling hebben belemmerd. Vroegtijdige diagnose is cruciaal voor een snel voortschrijdende ziekte.

Welke voordelen kan dit, naast de voordelen voor patiënten, ook opleveren voor zorgverleners?

Met de app kunnen artsen op afstand toegang krijgen tot de gegevens van hun patiënten en op zichzelf de spraakvoortgang volgen, waardoor de zorgverlener de spraak kan beheren en monitoren zonder de noodzaak van frequente persoonlijke bezoeken. Dankzij dit niveau van toegankelijkheid kunnen artsen patiënten regelmatiger controleren, nauwkeurigere behandelconclusies trekken en het best mogelijke behandelplan bepalen. Dit vereenvoudigt het hele proces en vermindert de lasten voor patiënten en zorgverleners, terwijl het verbruik van middelen voor klinische diensten wordt verminderd. De verhoogde nauwkeurigheid en efficiëntie van de app zullen ook bijzonder aantrekkelijk zijn voor klinische wetenschappers en bedrijven die spraakpatronen gebruiken als uitkomstmaten bij ALS-geneesmiddelenonderzoeken.

In dit onderzoek werkte u samen met een technologiebedrijf Modaliteit.AI. Hoe belangrijk zijn dit soort samenwerkingen bij het in de wereld brengen van nieuwe wetenschappelijke ideeën en technologieën?

Ik greep de kans om met Modality.AI te werken met beide handen aan. De teamleden hebben een unieke en uitgebreide geschiedenis in het ontwikkelen van AI-spraaktoepassingen en een commercieel belang bij het implementeren van deze technologie in reguliere gezondheidszorg en klinische onderzoeken. Nieuwe technologieën lopen vooral gevaar te mislukken als ze niet door een commercieel bedrijf worden ondersteund. Daarom was deze relatie van cruciaal belang voor onze algemene doelstellingen voor het onderzoek.

Ik verwacht dat dit soort samenwerkingen op het gebied van gezondheidstechnologie steeds populairder zullen worden en een steeds grotere impact zullen hebben op dit soort onderzoeken.

Fotocredit: elenabsl/Shutterstock.com

Kunstmatige intelligentie (AI) heeft de afgelopen jaren een enorme populariteitsgroei doorgemaakt. Hoe komt dit en denkt u dat AI een integraal onderdeel van de gezondheidszorg zal blijven?

AI speelt een zeer belangrijke rol bij het identificeren van aandoeningen die voor onze menselijke geest moeilijk te begrijpen zijn, aangezien de meeste gezondheidsproblemen multidimensionaal en zeer gecompliceerd zijn, vaak meerdere lichaamsdelen aantasten en een verscheidenheid aan symptomen hebben die in de loop van de tijd veranderen.

Machine learning is een perfecte oplossing voor het diagnosticeren en monitoren van bepaalde gezondheidsproblemen, omdat er zoveel gegevens moeten worden opgenomen. Deze machines kunnen deze gegevens verwerken en patronen definiëren op manieren die menselijke ogen en oren niet met dezelfde nauwkeurigheid kunnen onderscheiden.

Het op deze manier gebruiken van AI en machine learning zal ook een uitdaging zijn. Om ervoor te zorgen dat deze modellen nauwkeurig zijn en werken zoals bedoeld, moeten ze worden getraind. Het verkrijgen van de trainingsgegevens die nodig zijn om deze modellen accuraat te maken, zal een grote taak zijn. Het trainen van een machine om nauwkeurige beoordelingen te maken kan bijvoorbeeld honderden of duizenden voorbeelden van een bepaalde aandoening vereisen voordat het algoritme deze kan trainen en ‘leren’. Voor dit doel moeten deze gegevens zeer zorgvuldig worden verzameld en vervolgens geselecteerd. Dit gebrek aan gegevens blijkt een knelpunt te zijn.

Hoewel AI op medisch gebied van onschatbare waarde is gebleken, zal het artsen niet vervangen. Menselijke beoefenaars bieden ongeëvenaarde persoonlijke zorg, besluitvorming en uitgebreide patiëntenondersteuning en kunnen niet worden vervangen.

Hoe gaat het verder met jou en je studie?

Sommige patiëntenvertegenwoordigers testen momenteel de app en geven deze door aan patiënten. Op basis van de structuur van de subsidie ​​die we van NIH hebben ontvangen, zullen we de komende drie jaar aan de app blijven werken om aan de vastgestelde benchmarks te voldoen en de subsidiecyclus voort te zetten. Fase I duurt één jaar en Fase II duurt twee jaar.

Over Dr. Jordan Green

Dr. Green, die sinds 2013 bij het MGH Instituut werkt, is een spraakpatholoog die biologische aspecten van spraakproductie bestudeert. Hij geeft graduate cursussen over spraakfysiologie en de neurale basis van spraak, taal en gehoor. Als Chief Scientific Advisor bij de onderzoeksafdeling van IHP werkt hij samen met de Associate Provost for Research aan rekrutering, strategische planning en een verscheidenheid aan speciale projecten. Hij is tevens directeur van het Speech and Nutrition Disorders Laboratory (SFDL) van het instituut. Hij werd uitgeroepen tot de eerste Matina Souretis Horner hoogleraar revalidatiewetenschappen. Zijn onderzoek richt zich op spraakproductiestoornissen, de ontwikkeling van oromotorische vaardigheden voor vroege spraak en voeding, en de kwantificering van spraakmotorische prestaties. Zijn onderzoek is gepubliceerd in nationale en internationale tijdschriften, waaronder Child Development, Journal of Neurophysiology, Journal of Speech and Hearing Research en Journal of the Acoustical Society of America. Hij heeft zitting gehad in verschillende subsidiebeoordelingspanels van de National Institutes of Health. In 2012 werd hij benoemd tot Fellow van de American Speech-Language-Hearing Association en in 2015 ontving Dr. Green de Willard R. Zemlin Award in Speech Science.

Zijn werk wordt sinds 2000 gefinancierd door de National Institutes of Health (NIH). Hij draagt ​​productief bij aan grote tijdschriften met meer dan 100 peer-reviewed publicaties. Hij heeft zijn werk internationaal en nationaal gepresenteerd. Hij is adviseur van verschillende IHP-doctoraatsstudenten, heeft tien Ph.D. proefschriften en begeleidde elf postdoctorale onderzoekers. Hij is ook redactioneel adviseur voor tal van tijdschriften en heeft zitting gehad in verschillende NIH-subsidiebeoordelingspanels.

.