Pagpapauna ng Alzheimer gamit ang Tulong ng AI

Isang kamakailang pag-aaral na inilathala ng Alzheimer’s Association ay nagbigay-liwanag sa isang bagong pamamaraan ng maagang pagtuklas na maaaring makatulong na iligtas ang milyun‑milyong buhay. Sinusuri ng pag-aaral ang paggamit ng AI sa mga awtomatikong protokol ng prediksyon na pinagsama sa mga pamamaraan ng voice scanning upang tumpak na matukoy ang pag‑usad mula sa Mild Cognitive Impairment (MCI) patungo sa Alzheimer’s Disease (AD) sa loob ng 6 na taong panahon. Narito ang mga dapat mong malaman.

Alzheimer’s & Dementia

Sinumang nakaranas o tumulong sa kamag‑anak na may Alzheimer’s at dementia ay makakapagsabi sa mga kahirapan ng sitwasyong ito. Kapansin‑pansin, ang Alzheimer’s Disease ang pangunahing sanhi ng dementia sa buong mundo. Ito ay isang progresibong sakit sa utak na unti‑unting nagpapahina sa kakayahan ng tao sa pag‑iisip sa paglipas ng panahon. Ang proseso ay dahan‑dahan, kung saan ang mga sintomas ay nagsisimula sa simpleng pagkalimot hanggang sa pagkawala ng alaala, pagkalito, pagwawalang‑bahala sa sarili, at pagkawala ng pagsasalita. Mahalaga ring tandaan na ang mga pasyenteng may MCI ay may mas mataas na tsansa na magkaroon ng Alzheimer’s Disease.

Mga Katotohanan tungkol sa Alzheimer’s Disease

Ang Alzheimer’s Disease ay ikaanim na pinakamalaking sanhi ng kamatayan ng mga Amerikano at nananatiling malaking alalahanin sa buong mundo. Natuklasan ng isang pag-aaral noong 2023 na mahigit 6.7 milyong Amerikano ang nagdurusa sa sakit na ito, na maaaring mag‑iwan sa mga pasyente na hindi na kayang alagaan ang sarili, kilalanin ang kanilang mga kapamilya, o magsagawa ng mga pang‑araw‑araw na gawain.

Pinagmulan – Wikipedia

Sa kasamaang palad, ipinakita rin ng pananaliksik ang pagtaas ng panganib sa hinaharap. Inaasahan na 13.8 milyong mamamayan ng US ang magdaranas ng sakit na ito pagsapit ng 2060. Ang mga salik na ito ay nagtulak sa maraming mananaliksik na maghanap ng mga solusyon at pamamaraan ng pag‑iwas upang mabawasan ang mga panganib, na maaaring magligtas ng maraming buhay.

Patolohiya ng AD

Ang patolohiya ng AD ay tumutukoy sa kung paano nagsisimulang masira ang utak dahil sa bigat ng sakit. Ang mga kasalukuyang pamamaraan ay nangangailangan ng pagsasagawa ng neuropsychological tests (NPTs), na nagpapahintulot sa mga propesyonal sa pangangalagang pangkalusugan na subaybayan ang antas ng beta‑amyloid peptides (Aβ), hyperphosphorylated tau protein, Reactive astrocytes, microglial activation, at iba pang mga biomarker. Lahat ng mga ito ay maaaring magpahiwatig ng chronic inflammation at iba pang isyu na kaugnay ng pagsisimula ng AD.

Kasalukuyang Limitasyon ng Patolohiya ng AD

Ang mga pamamaraang ito sa pagtukoy ng panganib ng pasyente sa AD ay may ilang mahahalagang kahinaan. Una, ito ay magastos. Ang bawat pagsusuri ay maaaring umabot ng libu‑libong dolyar, kaya’t ito ay magagamit lamang ng mga may seguro o may access sa pondo. Bukod pa rito, madalas itong invasive. Kapag kailangang maghiwa sa balat, tumataas ang panganib ng impeksyon at iba pang komplikasyon.

Ang Hinaharap ng Pagtuklas ng AD ay Batay sa Boses

Napansin ng mga mananaliksik ang direktang ugnayan sa pagitan ng pagguho ng pagsasalita at MCI. Dahil dito, maraming gawain ang isinagawa upang idokumento at irekord ang mga pagbabagong ito para sa pananaliksik. Sa kasalukuyan, libu‑libong oras ng voice recordings mula sa mga neuropsychological exam ang magagamit. Dagdag pa, may iba pang datos na nakalakip sa mga recording na ito. Ang pag‑-aaral ng FHS ay ang pinakamalaking koleksyon ng mga recording.

Pag‑-aaral sa Puso ng Framingham (FHS)

Ang Pag‑-aaral sa Puso ng Framingham (FHS) ay nagsimula noong 1948. Ang pangmatagalang pag‑-aaral na ito sa kalusugan ng cardiovascular ay nagsuri sa libu‑libong kalalakihan na nagkaroon ng stroke o atake sa puso. Ang pangmatagalang lapit nito ay nagbigay‑daan sa mga mananaliksik na lumikha ng mga modelo ng prediksyon ng panganib na tumatagal ng 10‑30 taon na napatunayang mahalaga sa pag‑iwas, paglikha ng gamot, at ngayon sa pagprograma ng mga AI model.

Ang kolaboratibong pagsisikap na ito ay sinusuportahan ng National Heart, Lung, and Blood Institute (NHLBI) at Boston University, at isa ito sa pinakamahaba at pinaka matagumpay na pag‑-aaral sa cardiovascular na kailanman isinagawa. Dahil dito, ang datos nito ay nakatulong sa hindi mabilang na medikal na breakthrough at nananatiling makapangyarihang pinagmumulan ng pangmatagalang datos sa kalusugan.

Bilang bahagi ng pag‑-aaral, ipinakilala ang mga speech test sa datos noong 2005. Mula noon, nagrekord ang mga siyentipiko ng libu‑libong pattern ng pagsasalita sa mga pasyente bago at habang nagkakaroon ng AD. Ang mga recording na ito ay nagbigay ng mahalagang pananaw kung paano nasisira ang isipan sa panahon ng AD.

Ang Artipisyal na Intelihensiya ay Nagpapahusay ng mga Pamamaraan sa Diagnosis

Ang rebolusyon ng AI ay nagbigay‑daan sa mga inhinyero na lumikha ng mas advanced at epektibong mga sistema ng maagang babala. Sa pagkakataong ito, ginamit ang AI Natural Language Processing (NLP) upang matukoy ang mga linguistic feature na nagbabadya ng pagguho ng kognisyon. Ang algorithm ay maaaring i‑cross‑reference ang milyun‑milyong data point upang tumpak na ilagay ang mga pasyente sa isang dementia scale batay sa kanilang komunikasyon.

Pag‑-aaral sa Alzheimer’s at Dementia

Ang pag‑-aaral ay nag‑apply ng mga teknik ng NLP kasama ang mga method ng machine learning upang mapabuti ang mga modelong hinulaan ng MCI at dementia. Kinuha ng koponan ang mga recording ng test interview mula sa n + 166 na kalahok ng Framingham Heart Study (FHS) upang likhain ang mga modelong ito. Ang mga modelo ay sumaklaw sa iba’t ibang opsyon, mula sa demograpiko hanggang sa buong spectrum ng datos.

Isang pangunahing pagkakaiba mula sa mga nakaraang pagsubok ay ang pagtutok ng koponan sa pag‑usad mula MCI patungo sa AD kaysa sa normal na kognisyon. Kabilang dito ang 90 na progresibong MCI at 76 na stable MCI na kaso bilang bahagi ng lapit. Ang datos na ito ay pinakain sa isang advanced na AI algorithm na sinuri ang mga susi‑susing factor.

Datos ng Input

Gumamit ang sistema ng isang bersyon ng logistic regression model na nag‑leverage ng mga sub‑test scores at TAS bilang pangunahing indikasyon ng prediksyon. Bilang bahagi ng lapit na ito, unang lumikha ang koponan ng isang transcribing tool na nag‑streamline ng pag‑import ng dati nang na‑record na datos ng Framingham Heart Study (FHS).

Datos ng Pagsasalita

Ang datos ng pagsasalita mula sa 166 na kalahok ay kinabibilangan ng isang oras na panayam sa bawat tao. Ang datos na ito ay dati nang na‑record at naka‑digital na naka‑store, kaya’t kinailangan ng koponan na lumikha ng mga pamamaraan upang madaling i‑convert ang datos na ito sa teksto at pagkatapos ay sa mga AI model.

Ang Universal Sentence Encoder

Ang Universal Sentence Encoder ay dinisenyo upang bawasan ang workload ng pag‑import ng datos ng FHS. Awtomatikong sinuscan ng sistema ang datos ng FHS at gumagawa ng vector embeddings batay sa mga tiyak na segment ng transcript ng bawat pasyente. Ang lapit na ito ay tumutulong sa AI na gumawa ng mas tumpak na prediksyon habang binabawasan ang workload.

Mga Pagpapabuti sa AI Model

Gumamit ang research team ng mga transcript na ito upang lumikha ng isang makapangyarihang AI deep learning algorithm. Awtomatikong kumukuha ang sistema ng random na datos mula sa ulat ng FHS at sinusample ito. Ang datos na ito ay ginamit upang lumikha at i‑encode ang nilalaman ng sub‑test. Sa kabuuan, walong tiyak na embeddings ang ginamit upang sukatin ang pag‑usad ng AD at MCI.

Mga Logistic Regression Model

Nilikha ang mga bagong AI model na sinanay mula sa quantitative data na nauugnay sa bawat nilalaman ng sub‑test. Ang nilalaman ay sincore at ginamit bilang indibidwal na input para sa pagmomodelo. Ang mga modelong ito ay sinuri at sinubukan para sa bisa na nagresulta sa isang (TAS) transcript average score para sa bawat isa. Ang mga score at TAS ay nagbigay‑daan sa AI na tumpak na subaybayan ang pag‑usad ng MCI.

Ang pangunahing modelo ay naglaman ng maraming mahalagang datos tungkol sa mga kalahok. Partikular, kasama rito ang demograpiko, status ng APOE carrier, mga health factor, at mga text feature na inimport mula sa pag‑-aaral ng FHS. Ang modelong ito ang may pinakamataas na score, na nagpakita ng halos 80% na katumpakan sa pagtukoy ng pagsisimula ng AD sa loob ng anim na taon.

Sinubukan din ng koponan ang isang modelo na simpleng isinasaalang‑alang ang demograpikong datos ng mga kalahok. Mayroon ding text‑only na modelo na ginamit ang mga text input ng FHS bilang pangunahing pinagmulan ng pagsusuri. Kapansin‑pansin, ang demograpikong AI modelo ay nag‑predict ng AD na may 68.8% na katumpakan. Kamangha‑mangha, ang pinaka‑tumpak na modelo, na kinabibilangan ng lahat ng kaugnay na datos, ay nakamit ang 79% na katumpakan.

Pagsusuri sa mga Modelo

Sinubukan ang pagganap ng bawat Modelo gamit ang group k‑fold cross‑validation approach na sinuri ang mga susi‑susing factor kabilang ang accuracy, precision, sensitivity, at specificity. Isinagawa rin ang cross‑validation at feature selection tests.

Mga Resulta

Ang mga resulta ng pag‑-aaral ay maganda. Ang bagong AI detection model ay nagpakita ng 79% na katumpakan sa pagtukoy ng pagsisimula ng AD sa loob ng 6 na taon. Natuklasan ng koponan na habang dumarami ang mga input na datos, mas tumpak ang AI sa pagtukoy ng panganib ng isang tao. Dahil dito, ang datos ng pagsasalita, edad, kasarian, at antas ng edukasyon ay lahat ay mga factor na nakakaapekto sa panganib ng isang tao na magkaroon ng AD.

Mga Benepisyo ng Pag‑-aaral sa Alzheimer’s Disease

May ilang seryosong benepisyo na maibibigay ng pag‑-aaral na ito sa karaniwang tao. Una, ang mga AI‑based na pamamaraan ng prediksyon ay mas abot‑kaya at mas madaling ma‑access ng publiko. Ang gastos ng mga kasalukuyang pagsusuri sa loob ng for‑profit healthcare system ay patuloy na tumataas dahil sa pangangailangang gumamit ng mga laboratoryo at mga sample. Ang bagong AI system ay nag‑aalis ng mga pangangailangang ito, na lubos na nagpapababa ng gastos para sa lahat ng kalahok.

Dagdag pa, ang pagsasama ng isang awtomatikong detection system ay makakatulong sa mga doktor at propesyonal sa pangangalagang pangkalusugan na mas tumpak at mabilis na magreseta ng mga paggamot at gamot kapag posible. Ang mga pinahusay na tugon na ito ay maaaring magdala ng pagkakaiba sa pagitan ng buhay at kamatayan sa maraming pagkakataon.

Hindi Invasibo

Ang metodong AI na ito para sa pagtuklas ng AD ay hindi invasive. Walang pangangailangan para sa mga doktor na kumuha ng tissue sample upang matukoy ang pag‑usad ng AD, kaya nababawasan ang panganib ng impeksyon o iba pang komplikasyon.

Mga Kumpanya na Maaaring Makikinabang sa Pag‑-aaral na Ito

Maraming kumpanya ang maaaring mapabuti ang kanilang mga produkto at serbisyo sa pamamagitan ng pagsasama ng bagong awtomatikong AI AD detection method. Ang mga kumpanyang ito ay dalubhasa sa mga pamamaraan ng pag‑iwas at prediksyon ng AD. Dahil dito, mas mapapabuti nila ang pagreseta at diagnosis ng mga pasyente, na nagreresulta sa mas mabilis na oras ng tugon. Narito ang dalawang kumpanya na handang isama ang teknolohiyang ito ngayon.

1. Biogen

BIIB Tsart ng Presyo

Ang Biogen ay isang nangungunang biotech firm na nakabase sa Massachusetts, USA. Ang kumpanya ay may iba’t ibang produkto na dinisenyo upang maiwasan, gamutin, at tulungan ang mga taong nagdurusa sa neurological at autoimmune diseases. Ang pagsasama ng isang awtomatikong AD detection model tulad ng nilikha ng mga mananaliksik ay makabuluhang magpapabuti sa oras ng tugon ng kumpanya.

Itinuturing na matatag ang stock ng Biogen dahil sa kasaysayan at posisyon nito sa merkado. Nakita ng kumpanya ang unti‑unting pagtaas sa nakaraang apat na taon at kasalukuyang may market cap na $33.16B. Inaasahan ng mga analyst na makakakita pa ng karagdagang pagtaas sa kita dahil sa mga pioneering efforts nito at pagtaas ng demand para sa mga maagang pamamaraan ng pag‑iwas.

2. Eisai

Ang Eisai na nakabase sa Tokyo ay nananatiling isang global na puwersa sa sektor ng medikal na pananaliksik at pag‑develop. Ang kumpanya ay dalubhasa sa pag‑import at pag‑export ng mga pharmaceutical at nakipagtulungan sa iba pang nangungunang brand, kabilang ang Biogen, sa isang Alzheimer’s Disease drug pact. Ang kasunduan ay nagbibigay‑daan sa mga kumpanyang ito na magbahagi ng datos nang malaya na may layuning makagawa ng makabuluhang breakthrough sa diagnosis at paggamot ng sakit na ito.

Ang Eisai ay isang lider sa merkado at tumulong sa pananaliksik at pag‑develop ng ilang napaka‑tagumpay na pharmaceutical. Ang kumpanya ay may malakas na suporta mula sa investment community at tampok sa Argus U.S. ESG model portfolio. Ang rekomendasyong ito sa stock ay batay sa mga kriteriya ng environment, governance, at social. Dahil sa mga kadahilanang ito, ang ESALY ay isang matalinong karagdagan sa anumang portfolio.

Hinaharap ng AI sa Pangangalagang Pangkalusugan

Ang pag‑-aaral na ito ay isa sa maraming pag‑-aaral na nakakuha ng atensyon ng mga taong may Alzheimer’s. Sa lalong madaling panahon, maaaring magkaroon ng mga awtomatiko at napaka‑abot‑kayang home diagnostic tools na magpapahintulot sa sinuman, saan man, na subaybayan ang kanilang panganib sa kalusugan. Ang mga device na ito ay hindi lamang limitado sa pag‑iwas sa Alzheimer’s. Narito ang ilang iba pang kahanga‑hang AI medical enhancements.

AI Pagtuklas ng Stroke

May mga AI system na ngayon na tumutulong sa pagtuklas ng stroke. Para sa mga emergency personnel, ang pagtukoy kung ang isang tao ay nagkakaroon ng stroke o iba pang karamdaman ay kadalasang unang hakbang sa pagliligtas ng kanilang buhay. Kapansin‑pansin, isang koponan ng Biomedical Engineers mula sa RMIT University ang lumikha ng bagong tool na gumagamit ng AI upang matukoy ang CVA sa loob ng ilang segundo. Ang software ay gumagamit ng smartphone camera upang tingnan at tukuyin sa pamamagitan ng mga facial feature kung naganap ang stroke.

AI na Tinutulungan ang Pagsasalita

Ang AI‑assisted speech ay isa pang larangan ng pangangalagang pangkalusugan na nakakita ng malaking pag‑unlad. Ang mga sistemang ito ay gumagamit ng malalaking language model upang tulungan ang mga taong hindi makapagsalita ng mga salita dahil sa aksidente o kapansanan na lumikha ng mga pangungusap sa real‑time. Ang teknolohiyang ito ay tumutulong na sa libu‑libong tao na may problema sa komunikasyon na mapagtagumpayan ang mga hamon at mamuhay ng mas makabuluhang buhay.

AI na Tinutulungan ang Paggalaw

Ang mga AI system ay nakatulong din sa pagpapabuti ng mobilidad para sa milyun‑milyong tao. Ang mga mananaliksik ay ngayon gumagamit ng AI upang mapabuti ang performance ng exoskeleton. Ang mga device na ito, na dati ay nangangailangan ng remote control para magamit ng gumagamit, ay maaari nang tukuyin ang susunod mong galaw at awtomatikong tulungan kang umakyat ng hagdan, matarik na dalisdis, at iba pang terrain na karaniwang imposibleng akyatin ng ibang walking assistance system.

AI na Tumutulong Pukpukin ang Alzheimer’s Disease

Ang teknolohiyang AI ay makakatulong sa mga taong may Alzheimer’s Disease na subaybayan ang kanilang unti‑unting pagkalimot at mamuhay nang mas maganda. Ang pinakabagong pag‑unlad na ito ay nagpapakita kung paano ang AI prevention at diagnosis ay maaaring maging unang hakbang tungo sa tuluyang pagwawagi laban sa sakit na ito. Bilang gayon, nagbibigay ang pananaliksik na ito ng bagong antas ng kumpiyansa habang binubuksan ang pintuan para sa mas malusog at mas cognitively active na populasyon sa hinaharap.

I‑click para sa higit pang Cool AI Developments.