ChatGPT peut identifier la maladie d'Alzheimer avec une précision de 80 %

ChatGPT a récemment pris d'assaut Internet grâce à ses puissantes fonctions. Il peut rédiger des contrats juridiques, écrire des romans et même vous aider à programmer.

Mais il semble que ce soient des humains testant l'IA. ChatGPT peut-il à son tour obtenir des informations utiles à partir de conversations avec des humains ?

Mais il s’avère que la technologie de ChatGPT peut réellement faire des choses comme aider à détecter les premiers symptômes de la maladie d’Alzheimer.

La maladie d'Alzheimer est communément appelée « démence ». L'un des symptômes les plus courants et les plus évidents de cette maladie sont les problèmes de langage, tels que les erreurs grammaticales, les pauses, les répétitions ou l'oubli du sens des mots, Drexo, Biomedical Engineering, Philadelphie. Une étude de l'université a révélé que ChatGPT peut découvrir l'existence de tels symptômes grâce à des conversations avec des humains, provoquant ainsi rapidement un risque de maladie.

Adresse papier :

https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000168

Utiliser ChatGPT pour découvrir la maladie d'Alzheimer précoce, avec un taux de précision de 80%

La détection précoce de la maladie d'Alzheimer peut améliorer considérablement les options de traitement et donner aux patients le temps de modifier leur mode de vie, ralentissant ainsi la progression de la maladie. Le diagnostic de la maladie nécessite souvent une imagerie cérébrale ou de longues évaluations cognitives, mais celles-ci peuvent être coûteuses et prendre du temps, ce qui les rend impropres à un dépistage généralisé.

L'analyse automatisée de la parole, à mesure que la technologie de l'IA devient populaire, est un moyen prometteur de détecter précocement la maladie d'Alzheimer, a déclaré Liang, professeur de génie biomédical à l'Université Drexel de Philadelphie, la maladie la plus courante et la plus évidente. L'un des symptômes est les problèmes de langage. , comme les erreurs grammaticales, les pauses, les répétitions ou l’oubli du sens des mots, ce qui a conduit à un intérêt croissant pour l’utilisation de l’apprentissage automatique pour détecter les premiers signes de la maladie dans la façon dont les gens parlent.

"Nous espérons pouvoir utiliser l'apprentissage automatique pour capter ces signaux, nous permettant ainsi de poser des diagnostics précoces.

Normalement, cette technique repose sur des modèles spécialement conçus, mais Liang et ses collègues voulaient." pour voir s'ils pouvaient réutiliser la technologie derrière ChatGPT – le grand modèle de langage GPT-3 d'OpenAI – pour détecter les signes de la maladie d'Alzheimer.

Ils ont découvert que ChatGPT pouvait en effet faire la différence entre les enregistrements vocaux de patients atteints de la maladie d'Alzheimer et ceux de volontaires sains, avec une précision de 80 %.

« Les grands modèles de langage comme GPT-3 sont très puissants et sont capables de repérer ces différences subtiles », a déclaré Liang. "Si un sujet d'étude a un problème (impliquant) la maladie d'Alzheimer qui se reflète déjà dans le langage, nous espérons pouvoir utiliser l'apprentissage automatique pour capter ces signaux afin de pouvoir établir un diagnostic précoce

." Les chercheurs ont testé 237 enregistrements collectés auprès de volontaires sains et de patients atteints de la maladie d'Alzheimer, qui ont été convertis en texte à l'aide d'un modèle de reconnaissance vocale pré-entraîné. Pour obtenir l’aide de GPT-3, les chercheurs ont profité d’une de ses capacités les moins connues. Son API permet d'introduire un morceau de texte dans un modèle et de faire en sorte que le modèle génère une « intégration » : une représentation numérique d'un morceau de texte qui encode sa signification et peut être utilisée pour évaluer sa similarité avec d'autres textes.

Bien que la plupart des modèles d'apprentissage automatique traitent des « intégrations », une nouvelle fonctionnalité de GPT-3 est qu'il est suffisamment puissant pour générer des « intégrations » pour des paragraphes entiers. Et en raison de la taille du modèle et des grandes quantités de données utilisées pour son entraînement, il est capable de produire des représentations textuelles très riches.

Les chercheurs ont utilisé cette capacité pour créer des « intégrations » pour toutes les transcriptions de patients atteints de la maladie d'Alzheimer et d'individus en bonne santé. Ils ont ensuite sélectionné ces « intégrations », combinées à des étiquettes pour indiquer de quel groupe ils provenaient, et les ont utilisés pour former un classificateur d'apprentissage automatique afin de distinguer les deux groupes.

Le réglage fin réduit en fait la précision, et il reste encore du travail à faire à l'avenir

Selon un article de la revue "PLOS · Digital Health", testé sur des transcriptions inédites, le meilleur un bon classificateur a atteint une précision de 80,3 %.

C'est nettement meilleur que le résultat de 74,6 % obtenu par les chercheurs en utilisant une approche plus traditionnelle des données vocales, qui reposait sur des caractéristiques acoustiques qui ont dû être minutieusement identifiées par des experts. Ils ont également comparé leur technique à plusieurs méthodes d'apprentissage automatique de pointe qui utilisent de grands modèles de langage et incluent l'étape supplémentaire consistant à affiner le modèle à l'aide de texte obtenu à partir des données de formation.

Fait intéressant, lorsque les chercheurs ont essayé de procéder à des réglages précis, les performances de GPT-3 ont en fait chuté. Cela peut sembler contre-intuitif, mais Liang souligne que cela peut être dû à une inadéquation de taille entre les grandes quantités de données utilisées pour entraîner GPT-3 et la petite quantité de données d'entraînement spécifiques au domaine disponibles pour un réglage précis.

Frank Rudzicz, professeur agrégé d'informatique à l'Université de Toronto, a déclaré que même si l'équipe de recherche a obtenu des résultats de pointe, le recours à des modèles privés pour de telles recherches pose certains problèmes.

Il a déclaré : « Ces API fermées sont limitées en partie parce que nous ne pouvons pas examiner ou modifier en profondeur la structure interne de ces modèles, ni mener une série d'expériences plus complètes pour aider à clarifier ce que nous devons éviter ou corriger. d'erreur."

Liang est également ouvert aux limites de cette approche. Le modèle est loin d'être suffisamment précis pour diagnostiquer correctement la maladie d'Alzheimer, a-t-il déclaré, et tout déploiement réel de la technologie servirait d'étape de dépistage initiale conçue pour orienter les gens vers des experts pour une évaluation médicale complète. Comme pour de nombreuses méthodes basées sur l’IA, il peut être difficile de savoir exactement ce qu’un modèle détecte lorsqu’il détecte la maladie d’Alzheimer, ce qui peut poser problème au personnel médical. "Les médecins vous demanderont naturellement pourquoi vous avez obtenu ces résultats", a déclaré Liang. "Ils veulent savoir quelles fonctionnalités sont vraiment importantes."

Pourtant, Liang pense que cette approche est très prometteuse, et lui et ses collègues envisagent de développer une application qui peut être utilisée à la maison ou dans un cabinet médical. simplifier le dépistage des maladies.

Rapports associés :

https://spectrum.ieee.org/gpt-3-ai-chat-alzheimers

https://journals.plos.org/digitalhealth/article?id=10.1371/journal. pdig.0000168

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!