开发诊断 ALS 的应用程序

开发诊断 ALS 的应用程序

思想领袖乔丹·格林博士语言和饮食失调实验室主任MGH 健康专业研究所

在本次采访中，我们采访了 MGH 研究所的 Jordan Green 博士，谈论了他最近与 Modality.AI 的研究合作伙伴关系，该合作研究了是否可以使用应用程序来有效诊断 ALS 引起的语言丧失。

您能介绍一下自己并告诉我们是什么启发了您对肌萎缩侧索硬化症 (ALS) 的研究吗？

我是马萨诸塞州波士顿 MGH 健康专业研究所的首席科学顾问、康复科学教授以及言语和营养障碍实验室主任。 我是一名经过认证的言语病理学家，也是一名热心的研究人员，研究整个生命周期的言语和吞咽障碍。

当我研究儿童言语运动控制的发展并开发基于计算机的技术来量化这种言语时，我开始与经营 ALS 诊所的医生进行互动。 他们表示需要一种类似于我用来更好地测量 ALS 成人言语和吞咽功能的技术。 他们拥有测量肢体运动和行走的正确技术和技巧，但在测量和评估言语系统方面遇到困难，因为肌肉很小且相对难以接近，而言语运动又快又细。 传统上，这种类型的测量需要大量的专业知识，并且需要更客观的测量。 从那时起，我开始致力于开发专门针对 ALS 的基于计算机的评估工具。

照片来源：Kateryna Kon/Shutterstock.com

目前，诊断 ALS 可能需要长达 18 个月的时间，当这种情况发生时，由于运动神经元的丧失，药物治疗不再有效。 为什么能够早期发现 ALS 患者如此重要？

对于 ALS 这样的疾病，早期诊断至关重要。 只有 15% 的 ALS 患者具有我们可以识别的遗传标记。因此，临床医生拥有客观的方法来尽早、准确地评估病情至关重要。 由于四分之一的 ALS 患者的首发症状是言语障碍，因此监测细微的变化可以作为早期预警系统。

随着 ALS 的进展，负责言语、吞咽、呼吸和行走的运动神经元可能会迅速恶化，但如果能够在疾病的早期阶段发现疾病，同时运动神经元仍然完好无损，那么干预措施的好处可能会最大化。 诸如此类的正确技术还可以更准确地检测患者的变化，最终能够更好地监测疾病进展。

他们目前正在参与一项研究，以测试数字健康应用程序对 ALS 的有效性。 您能告诉我们更多有关这项研究及其目标的信息吗？

美国国立卫生研究院 (NIH) 与应用程序开发商 Modality.AI 合作向我的团队提供了一笔资助，以确定应用程序收集的语音数据是否与评估和治疗 ALS 引起的言语和吞咽问题的临床专家的观察结果一样有效或更有效。

该应用程序收集的数据与最先进的语言测量实验室技术获得的结果进行比较，这些技术昂贵且使用复杂。 当结果与临床医生及其最先进设备的结果相匹配时，我们知道他们的方法是有效的。

图片来源：Modality.AI

该应用程序本身有一个虚拟代理蒂娜。 这个虚拟代理是如何获取语音数据信息的呢？

使用该应用程序就像单击链接一样简单。 患者收到一封电子邮件或短信，表明是时候创建记录了。 单击链接会激活摄像头和麦克风，虚拟人工智能代理蒂娜开始发出指令。 然后要求患者做一些事情，例如数数、重复句子和阅读段落。 同时，该应用程序收集数据以测量视频和音频信号中的变量，例如：B. 嘴唇和下巴运动的速度、语速、音调变化和停顿模式。

蒂娜对语音声学和语音动作中的信息进行解码，这些信息是从评估期间获得的全脸视频记录中自动提取的。 计算机视觉技术（例如 B. 面部跟踪）提供了一种非侵入式方法，可以准确记录和计算语音期间面部运动的大型数据集的特征。

这个健康应用程序可以为患者提供哪些信息？ 掌握所有这些信息对患者有什么好处？

言语改变在 ALS 中很常见，但 ALS 的进展速度因人而异。 患者报告说，丧失说话能力是这种疾病最严重的影响之一。 该应用程序允许患者远程记录他们的语言历史。 提供者将利用这些信息来帮助患者及其家人在整个疾病过程中做出明智的决定。

作为言语治疗师，我们希望尽可能长时间地优化沟通。 尽早教导患者使用其他沟通方式比等到他们失去说话能力更有效。 此外，诊断的早期确认为患者提供了足够的时间来开始消息和语音银行，以便他们自己的声音可以在文本转语音 (TTS) 或语音生成设备 (SGD) 中使用。 对于患者来说还有额外的好处，包括降低成本和消除患者前往诊所进行语言评估的需要。

最后，该应用程序通常每周只需要患者参与几分钟，从而节省时间和成本，并且比临床检查需要更少的精力，以及与预约协调和前往医疗机构相关的时间和延迟。 缺乏早期发现和客观措施是阻碍治疗进展的两个问题。 早期诊断对于快速进展的疾病至关重要。

除了为患者带来好处外，它还能为医疗保健提供者带来哪些好处？

该应用程序将允许医生远程访问患者的数据，并且本身将跟踪语音进展，从而允许提供者管理和监控语音，而无需频繁的亲自访问。 这种可访问性水平使医生能够更定期地监测患者，做出更准确的治疗结论，并确定最佳的治疗计划。 这简化了整个流程，减轻了患者和提供者的负担，同时减少了临床服务的资源消耗。 该应用程序提高的精确度和效率对于在 ALS 药物试验中使用语音模式作为结果衡量标准的临床科学家和公司也特别有吸引力。

在这项研究中，您与一家科技公司合作 模态人工智能 。 这些类型的合作对于将新的科学思想和技术引入世界有多重要？

我抓住了与 Modality.AI 合作的机会。 团队成员在开发人工智能语音应用程序方面拥有独特而广泛的历史，并且对将该技术应用于主流医疗保健和临床试验具有商业兴趣。 如果没有商业公司的支持，新技术尤其面临失败的风险。因此，这种关系对于我们研究的总体目标至关重要。

我预计这些类型的健康技术合作将变得越来越受欢迎，并对此类研究产生越来越大的影响。

照片来源：elenabsl/Shutterstock.com

近年来，人工智能 (AI) 的受欢迎程度大幅增长。 这是为什么？您认为人工智能将继续成为医疗保健不可或缺的一部分吗？

人工智能在识别人类大脑难以理解的疾病方面发挥着非常重要的作用，因为大多数健康问题都是多维且非常复杂的，通常会影响多个身体部位和随时间变化的各种症状。

机器学习是诊断和监测某些健康状况的完美解决方案，因为有大量数据需要吸收。这些机器可以处理这些数据并以人眼和耳朵无法以相同准确度辨别的方式定义模式。

以这种方式使用人工智能和机器学习也将具有挑战性。 为了使这些模型准确并按预期工作，必须对它们进行训练。 获取使这些模型准确所需的训练数据将是一项主要任务。 例如，训练机器进行准确评估可能需要数百或数千个特定条件的示例，以便算法进行训练和“学习”。 为此，必须收集这些数据，然后非常仔细地选择。 事实证明，数据的缺乏是一个瓶颈。

尽管人工智能在医疗领域已被证明具有无价的价值，但它不会取代临床医生。 人类医生提供无与伦比的个性化护理、决策和全面的患者支持，是不可替代的。

你和你的学业接下来要做什么？

一些患者代表目前正在测试该应用程序并将其传递给患者。 根据我们从 NIH 获得的资助结构，我们将继续开发该应用程序，以满足未来三年既定的基准，以继续资助周期。 第一阶段持续一年，第二阶段持续两年。

关于乔丹·格林博士

Green 博士自 2013 年起在麻省总医院研究所工作，是一位言语病理学家，研究言语产生的生物学方面。 他教授言语生理学以及言语、语言和听力的神经基础的研究生课程。 作为 IHP 研究部的首席科学顾问，他与研究副教务长一起负责招聘、战略规划和各种特殊项目。 他还是该研究所言语和营养障碍实验室 (SFDL) 的主任。 他被任命为首任马蒂娜·苏雷蒂斯·霍纳康复科学教授。 他的研究重点是言语产生障碍、早期言语和进食的口部运动技能的发展以及言语运动表现的量化。 他的研究成果发表在国内外期刊上，包括《儿童发展》、《神经生理学杂志》、《言语和听力研究杂志》以及《美国声学学会杂志》。 他曾在美国国立卫生研究院的多个拨款审查小组中任职。 2012 年，格林博士被任命为美国言语听力协会会员，2015 年，格林博士获得了威拉德·R·泽姆林言语科学奖。

自 2000 年以来，他的工作一直由美国国立卫生研究院 (NIH) 资助。他为主要期刊做出了卓有成效的贡献，发表了 100 多篇经过同行评审的出版物。 他在国际和国内展示了他的作品。 他是数名 IHP 博士生的导师，拥有 10 名博士学位。 发表论文并指导十一名博士后研究人员。 他还是众多期刊的编辑顾问，并曾在多个 NIH 拨款审查小组中任职。

。