mars 28, 2024

BreaGeek News

Obtenez toutes les dernières nouvelles et rapports sur la FRANCE ici. Manchettes, politique et culture françaises sur une chaîne d'information

L’intelligence artificielle révèle les schémas de parole distinctifs des patients atteints de la maladie de Parkinson

L’intelligence artificielle révèle les schémas de parole distinctifs des patients atteints de la maladie de Parkinson

résumé: Les chercheurs ont utilisé l’intelligence artificielle pour analyser le discours des patients atteints de la maladie de Parkinson, révélant des modèles distincts. AI a découvert que les patients atteints de la maladie de Parkinson utilisent plus de verbes mais moins de noms et de mots de remplissage dans leur discours, avant même que le déclin cognitif généralement associé à la maladie de Parkinson ne devienne apparent.

L’analyse a permis d’identifier les patients atteints de la maladie de Parkinson avec une précision de plus de 80 %, fournissant un nouvel outil potentiel pour un diagnostic précoce. Cette étude met l’accent sur le potentiel du traitement du langage naturel, une branche de l’intelligence artificielle, dans l’amélioration des diagnostics de santé.

Faits marquants:

  1. L’étude a utilisé l’intelligence artificielle, en particulier le traitement du langage naturel (PNL), pour analyser le discours des patients atteints de la maladie de Parkinson, révélant des modèles distincts dans leur utilisation du langage.
  2. Par rapport aux témoins sains, les patients atteints de la maladie de Parkinson utilisaient plus de verbes, mais moins de noms et de mots de remplissage dans leurs conversations.
  3. Ces modèles de parole distincts étaient détectables avant même le début du déclin cognitif généralement observé chez les patients atteints de la maladie de Parkinson.
  4. En analysant ces modèles de parole, les chercheurs ont pu identifier les personnes atteintes de la maladie de Parkinson avec une précision de plus de 80 %, indiquant la possibilité d’un diagnostic précoce.

source: Université de Nagoya

En utilisant l’intelligence artificielle (IA) pour le traitement du langage naturel, un groupe de recherche a évalué les caractéristiques de la parole chez les patients atteints de la maladie de Parkinson (MP). Une analyse par IA de leurs données a déterminé que ces patients parlaient en utilisant plus de verbes et moins de noms et de charges.

L’étude a été dirigée par le professeur Masahisa Katsuno et le Dr Katsunori Yokoi, de la faculté de médecine de l’université de Nagoya, en collaboration avec l’université préfectorale d’Aichi et l’université de technologie de Toyohashi.

READ  Le cargo Cygnus quitte la station spatiale pour une mort ardente

Ils ont publié leurs résultats dans la revue Maladie de Parkinson et troubles apparentés.

La technologie de traitement du langage naturel (NLP) est une branche de l’intelligence artificielle qui vise à permettre aux ordinateurs de comprendre et d’interpréter de grandes quantités de données de langage humain en utilisant des modèles statistiques pour identifier des modèles. Étant donné que les patients atteints de la maladie de Parkinson présentent une variété de problèmes liés à la parole, y compris une altération de la production de la parole et de l’utilisation du langage, le groupe a utilisé la PNL pour analyser les différences dans les modèles de parole des patients en fonction de 37 caractéristiques à l’aide de scripts créés à partir de conversations libres.

L’analyse a révélé que les patients atteints de la maladie de Parkinson utilisent moins de noms communs, de noms propres et de mots de remplissage par phrase. D’autre part, ils parlaient en utilisant une proportion plus élevée de verbes et le contraste des particules de cas (une caractéristique importante de la langue japonaise) par phrase.

Selon Yokoi, « Quand je leur ai demandé de parler de leur journée le matin, un patient parkinsonien pourrait dire quelque chose comme ceci, par exemple : » Je me suis levé à 4h50. Je pensais que c’était un peu tôt, mais je me suis réveillé. Il a fallu environ une demi-heure pour aller aux toilettes, alors j’ai pris une douche et je me suis habillé vers 5h30. Mon mari a préparé le petit déjeuner. J’ai pris le petit déjeuner après 6 heures du matin. Ensuite, je me suis brossé les dents et je me suis préparé à sortir.

Yokoi a poursuivi: « Alors que quelqu’un du groupe de contrôle de la santé pourrait dire quelque chose comme ceci: ‘Eh bien, le matin, je me suis levé à six heures du matin, je me suis habillé et je me suis lavé le visage.’ Ensuite, j’ai nourri mon chat et mon chien. Ma fille a préparé un repas, mais je lui ai dit que je ne pouvais pas manger et moi, sa mère, j’ai bu de l’eau. »

READ  La NASA découvre à quoi ressemble un trou noir et publie un "remix" de l'espace

« Bien que ce soient des exemples que nous avons créés de conversations qui reflètent les caractéristiques des personnes atteintes de TDAH et des personnes en bonne santé, ce que vous devriez voir, c’est que la durée globale est similaire », a expliqué Yokoi.

Cependant, les patients parkinsoniens prononçaient des phrases plus courtes que les sujets du groupe témoin, ce qui a conduit à plus de verbes dans l’analyse d’apprentissage automatique. Le contrôle sain utilise également plus de charges, telles que « ok » ou « um » pour relier les phrases.

L’aspect prometteur de cette recherche est que l’équipe a mené l’expérience sur des patients qui ne présentaient pas encore le déclin cognitif caractéristique observé dans la maladie de Parkinson. Par conséquent, leurs découvertes fournissent un moyen potentiel pour la détection précoce des patients atteints de la maladie de Parkinson.

« Nos résultats indiquent que même en l’absence de déclin cognitif, les conversations des patients atteints de la maladie de Parkinson diffèrent de celles des sujets sains », conclut le professeur Katsuno, responsable de l’étude.

« Lorsque nous avons tenté d’identifier des patients atteints de la maladie de Parkinson ou des témoins sains sur la base de ces changements dialogiques, nous avons pu identifier les patients atteints de la maladie de Parkinson avec une précision de plus de 80 %. Ce résultat indique le potentiel d’une analyse du langage utilisant le traitement du langage naturel pour diagnostiquer la maladie de Parkinson. »

À propos de l’actualité de la recherche en IA et de la maladie de Parkinson

auteur: Matthieu Cosslet
source: Université de Nagoya
communication: Matthew Coslett – Université de Nagoya
image: Image créditée à Neuroscience News

Recherche originale : Accès fermé.
« Analyse de la parole spontanée dans la maladie de Parkinson par traitement du langage naturelÉcrit par Masahisa Katsuno et al. Maladie de Parkinson et troubles apparentés


un résumé

READ  Comment les sondes Voyager continuent de fonctionner des décennies après leur lancement

Analyse de la parole spontanée dans la maladie de Parkinson par traitement du langage naturel

introduction

Les patients atteints de la maladie de Parkinson (MP) sont confrontés à une variété de problèmes liés à la parole, notamment la dysarthrie et les troubles du langage. Pour élucider les mécanismes physiopathologiques du changement de langage dans la maladie de Parkinson, nous avons comparé la parole des patients et celle de témoins sains (HC) à l’aide d’outils d’analyse morphologique automatisés.

Méthodes

Nous avons recruté 53 patients diabétiques ayant une fonction cognitive normale et 53 HHC, et évalué leur discours spontané à l’aide du traitement du langage naturel. Des algorithmes d’apprentissage automatique ont été utilisés pour déterminer les caractéristiques de la conversation spontanée dans chaque groupe. Trente-sept caractéristiques se concentrant sur une partie du discours et la complexité grammaticale ont été utilisées dans cette analyse. Un modèle de machine à vecteurs de support (SVM) a été formé avec une validation croisée de 10 fois.

résultats

On a constaté que les patients PD parlaient moins de morphèmes dans une seule phrase que le groupe HC. Par rapport à l’HC, le discours des patients atteints de MP avait un taux plus élevé de verbes, de particules d’état (subjectives) et d’articulations verbales, et un taux plus faible d’énoncés de noms communs, d’énoncés de noms propres et d’énoncés de remplissage. En utilisant ces changements dans la conversation, les taux de discrimination pertinents pour PD ou HC étaient supérieurs à 80 %.

conclusions

Nos résultats démontrent le potentiel du traitement du langage naturel pour l’analyse du langage et le diagnostic de la maladie de Parkinson.