Razvoj aplikacije za diagnosticiranje ALS

Razvoj aplikacije za diagnosticiranje ALS

Miselni vodjaDr. Jordan GreenVodja laboratorija za jezikovne in motnje hranjenjaInštitut MGH za zdravstvene poklice

V tem intervjuju se pogovarjamo z Jordanom Greenom z Inštituta dr. MGH o njegovem nedavnem raziskovalnem partnerstvu z Modality.AI, ki je preučevalo, ali je mogoče aplikacijo uporabiti za učinkovito diagnosticiranje izgube jezika zaradi ALS.

Ali se lahko predstavite in nam poveste, kaj je navdihnilo vaše raziskave o amiotrofični lateralni sklerozi (ALS)?

Sem glavni znanstveni svetovalec, profesor rehabilitacijskih znanosti in direktor laboratorija za motnje govora in prehrane na Inštitutu zdravstvenih poklicev MGH v Bostonu, Massachusetts. Sem certificirani logoped in navdušen raziskovalec, ki proučuje motnje govora in požiranja skozi vse življenje.

Ko sem proučeval razvoj motoričnega nadzora govora pri otrocih in razvijal računalniško podprte tehnologije za kvantifikacijo tega govora, sem začel sodelovati z zdravniki, ki vodijo klinike za ALS. Izrazili so potrebo po tehnologiji, podobni tisti, ki jo uporabljam jaz za boljše merjenje govora in požiranja pri odraslih z ALS. Imeli so prave tehnologije in tehnike za merjenje gibov okončin in hoje, vendar so imeli težave pri merjenju in ocenjevanju govornega sistema, ker so mišice tako majhne in razmeroma nedostopne, govorni gibi pa tako hitri in majhni. Ta vrsta meritev je tradicionalno zahtevala precejšnje strokovno znanje in objektivnejše ukrepe. Od takrat naprej sem začel razvijati računalniško podprta ocenjevalna orodja posebej za ALS.

Avtor fotografije: Kateryna Kon/Shutterstock.com

Trenutno lahko traja do 18 mesecev, da se postavi diagnoza ALS, in ko se to zgodi, terapije z zdravili zaradi izgube motoričnih nevronov niso več tako učinkovite. Zakaj je tako pomembno, da lahko pri bolnikih zgodaj odkrijemo ALS?

Ko gre za bolezen, kot je ALS, je bistvenega pomena zgodnja diagnoza. Samo 15 odstotkov ljudi, ki razvijejo ALS, ima genetski marker, ki ga lahko prepoznamo. Zato je ključnega pomena, da imajo klinični zdravniki objektivne načine za čim zgodnejšo in čim natančnejšo oceno stanja. Ker ima četrtina bolnikov z ALS motnjo govora kot prvi simptom, bi spremljanje subtilnih sprememb lahko služilo kot zgodnji opozorilni sistem.

Ko ALS napreduje, se lahko motorični nevroni, ki so odgovorni za govor, požiranje, dihanje in hojo, hitro poslabšajo, a če je bolezen mogoče odkriti v zgodnjih fazah, medtem ko so motorični nevroni še nedotaknjeni, bodo koristi posegov verjetno največje. Prave tehnologije, kot so te, lahko tudi natančneje zaznajo spremembe pri bolnikih, kar na koncu omogoči boljše spremljanje napredovanja bolezni.

Trenutno so vključeni v študijo za testiranje učinkovitosti digitalne zdravstvene aplikacije za ALS. Nam lahko poveste več o tej študiji in njenih ciljih?

Nacionalni inštitut za zdravje (NIH) je moji ekipi podelil nepovratna sredstva v sodelovanju z razvijalcem aplikacije Modality.AI, da bi ugotovili, ali so podatki o govoru, ki jih zbere aplikacija, enako učinkoviti ali bolj učinkoviti kot opažanja kliničnih strokovnjakov, ki ocenjujejo in zdravijo težave z govorom in požiranjem zaradi ALS.

Podatki, ki jih zbere aplikacija, se primerjajo z rezultati, pridobljenimi z najsodobnejšimi laboratorijskimi tehnikami za merjenje jezika, ki so drage in zapletene za uporabo. Ko se rezultati ujemajo z rezultati klinikov in njihove najsodobnejše opreme, vemo, da imajo veljaven pristop.

Avtor slike: Modality.AI

Sama aplikacija vsebuje virtualno agentko Tino. Kako lahko ta virtualni agent pridobi informacije o glasovnih podatkih?

Uporaba aplikacije je preprosta kot klik na povezavo. Pacient prejme e-poštno ali besedilno sporočilo, da je čas za ustvarjanje zapisa. S klikom na povezavo se aktivirata kamera in mikrofon, Tina, virtualna agentka AI, pa začne dajati navodila. Pacienta nato prosimo, naj počne stvari, kot je štetje številk, ponavljanje stavkov in branje odstavka. Medtem aplikacija zbira podatke za merjenje spremenljivk iz video in zvočnih signalov, kot so: B. Hitrost gibanja ustnic in čeljusti, hitrost govora, variacija višine in vzorci premora.

Tina dekodira informacije iz govorne akustike in govornih gibov, ki se samodejno izločijo iz videoposnetkov celotnega obraza, pridobljenih med ocenjevanjem. Tehnologije računalniškega vida – kot je B. Sledenje obrazu – zagotavljajo neinvaziven način za natančno snemanje in izračun funkcij iz velikih podatkovnih nizov obraznih gibov med govorom.

Katere informacije lahko ta aplikacija za zdravje zagotovi bolnikom? Kakšne so koristi za bolnike, če imajo vse te informacije na dosegu roke?

Spremembe govora so pogoste pri ALS, vendar se stopnja napredovanja ALS razlikuje od osebe do osebe. Bolniki poročajo, da je izguba govora ena najhujših posledic bolezni. Aplikacija omogoča bolnikom, da na daljavo dokumentirajo svojo jezikovno zgodovino. Ponudniki bodo te informacije uporabili za pomoč bolnikom in njihovim družinam pri sprejemanju ozaveščenih odločitev v celotnem poteku bolezni.

Logopedi želimo čim dlje optimizirati komunikacijo. Zgodnje učenje pacientov o uporabi alternativnih komunikacijskih sredstev je bolj učinkovito kot čakanje, dokler ne izgubijo sposobnosti govora. Poleg tega ima zgodnja potrditev diagnoze pacientom dovolj časa, da začnejo zbirati sporočila in glas, tako da se lahko njihov glas uporabi v napravi za pretvorbo besedila v govor (TTS) ali napravi za ustvarjanje govora (SGD). Obstajajo dodatne ugodnosti za bolnike, vključno z nižjimi stroški in odpravo potrebe, da bolniki potujejo v klinike na oceno jezika.

Nazadnje, aplikacija na splošno zahteva le nekaj minut na teden sodelovanja s pacientom, kar prihrani čas in stroške ter zahteva manj energije kot klinični pregled, pa tudi čas in zamude, povezane z usklajevanjem naročanja in potovanjem v zdravstveno ustanovo. Pomanjkanje zgodnjega odkrivanja in objektivnih ukrepov sta dve težavi, ki ovirata napredek zdravljenja. Pri hitro napredujoči bolezni je ključnega pomena zgodnja diagnoza.

Katere koristi bi poleg koristi za bolnike lahko zagotovili izvajalcem zdravstvenih storitev?

Aplikacija bo zdravnikom omogočila oddaljeni dostop do podatkov svojih pacientov in bo sama po sebi spremljala napredek govora, kar bo ponudniku omogočilo upravljanje in spremljanje govora brez potrebe po pogostih osebnih obiskih. Ta raven dostopnosti omogoča zdravnikom, da bolj redno spremljajo paciente, naredijo natančnejše zaključke o zdravljenju in določijo najboljši možni načrt zdravljenja. To poenostavi celoten proces in zmanjša obremenitev pacientov in izvajalcev, hkrati pa zmanjša porabo virov za klinične storitve. Povečana natančnost in učinkovitost aplikacije bosta še posebej privlačni za klinične znanstvenike in podjetja, ki uporabljajo govorne vzorce kot merilo rezultatov pri preskušanjih zdravil proti ALS.

V tej študiji ste sodelovali s tehnološkim podjetjem Modalnost.AI. Kako pomembna so tovrstna sodelovanja pri prinašanju novih znanstvenih idej in tehnologij v svet?

Izkoristil sem priložnost za delo z Modality.AI. Člani ekipe imajo edinstveno in obsežno zgodovino pri razvoju glasovnih aplikacij z umetno inteligenco in komercialni interes za implementacijo te tehnologije v splošno zdravstveno varstvo in klinična preskušanja. Nove tehnologije so še posebej izpostavljene tveganju neuspeha, če jih ne podpira komercialno podjetje. Zato je bilo to razmerje ključnega pomena za naše splošne cilje študije.

Pričakujem, da bodo te vrste sodelovanja na področju zdravstvene tehnologije postajale vse bolj priljubljene in bodo imele vedno večji vpliv na takšne študije.

Avtorstvo fotografije: elenabsl/Shutterstock.com

Umetna inteligenca (AI) je v zadnjih letih doživela izjemno rast priljubljenosti. Zakaj je tako in ali mislite, da bo umetna inteligenca še naprej postala sestavni del zdravstva?

Umetna inteligenca igra zelo pomembno vlogo pri prepoznavanju stanj, ki jih naš človeški um težko razume, saj je večina zdravstvenih težav večdimenzionalnih in zelo zapletenih, ki pogosto prizadenejo več delov telesa in različne simptome, ki se sčasoma spreminjajo.

Strojno učenje je odlična rešitev za diagnosticiranje in spremljanje določenih zdravstvenih stanj, saj je treba absorbirati toliko podatkov. Ti stroji lahko obdelajo te podatke in definirajo vzorce na načine, ki jih človeške oči in ušesa ne morejo zaznati z enako natančnostjo.

Tudi uporaba umetne inteligence in strojnega učenja na ta način bo izziv. Da bi bili ti modeli točni in delovali, kot je predvideno, jih je treba usposobiti. Pridobivanje podatkov o usposabljanju, potrebnih za točnost teh modelov, bo velika naloga. Na primer, usposabljanje stroja za natančno ocenjevanje lahko zahteva na stotine ali tisoče primerov določenega pogoja, da se algoritem uri in »nauči« o tem. V ta namen je treba te podatke zbirati in nato skrbno izbrati. To pomanjkanje podatkov se je izkazalo za ozko grlo.

Čeprav se je umetna inteligenca izkazala za neprecenljivo na medicinskem področju, ne bo nadomestila klinikov. Zdravstveni delavci zagotavljajo osebno oskrbo brez primere, sprejemanje odločitev in celovito podporo bolnikom in jih ni mogoče nadomestiti.

Kaj je naslednje zate in tvoj študij?

Nekateri predstavniki bolnikov trenutno preizkušajo aplikacijo in jo posredujejo bolnikom. Glede na strukturo nepovratnih sredstev, ki smo jih prejeli od NIH, bomo nadaljevali z delom na aplikaciji, da bo v naslednjih treh letih dosegla uveljavljena merila uspešnosti, da bi nadaljevali cikel nepovratnih sredstev. I. faza traja eno leto, II. faza pa dve leti.

O dr. Jordanu Greenu

Dr. Green, ki dela na inštitutu MGH od leta 2013, je logoped, ki preučuje biološke vidike govorne produkcije. Predava podiplomske predmete fiziologije govora in nevronske osnove govora, jezika in sluha. Kot glavni znanstveni svetovalec v raziskovalnem oddelku IHP sodeluje s pomožnim proektorjem za raziskave pri zaposlovanju, strateškem načrtovanju in različnih posebnih projektih. Je tudi direktor Laboratorija za motnje govora in prehrane (SFDL) na inštitutu. Imenovan je bil za prvega profesorja rehabilitacijskih znanosti Matine Souretis Horner. Njegove raziskave se osredotočajo na motnje govorne produkcije, razvoj oromotoričnih sposobnosti za zgodnji govor in hranjenje ter kvantificiranje govorne motorike. Njegove raziskave so bile objavljene v nacionalnih in mednarodnih revijah, vključno z Child Development, Journal of Neurophysiology, Journal of Speech and Hearing Research in Journal of the Acoustical Society of America. Bil je član več komisij za pregled nepovratnih sredstev na Nacionalnem inštitutu za zdravje. Leta 2012 je bil imenovan za člana Ameriškega združenja za govorno-jezikovni sluh, leta 2015 pa je dr. Green prejel nagrado Willarda R. Zemlina v znanosti o govoru.

Njegovo delo od leta 2000 financira Nacionalni inštitut za zdravje (NIH). Produktivno sodeluje v večjih revijah z več kot 100 strokovno pregledanimi publikacijami. Svoje delo je predstavil v mednarodnem in domačem prostoru. Je mentor več doktorskim študentom IHP, ima deset doktoratov. disertacije in mentoriral enajst podoktorskih raziskovalcev. Je tudi uredniški svetovalec za številne revije in je sodeloval v več komisijah za ocenjevanje donacij NIH.

.