Predicting Cognitive Function Using Transformer-Derived Speech Representations and Longitudinal Coherence Features
تقدم هذه الدراسة إطار عمل طوليًا مبتكرًا يجمع بين تمثيلات الكلام المستمدة من نماذج "ترانسفورمر" والتاريخ السريري للتنبؤ بدقة بدرجات اختبار الحالة العقلية المصغر (MMSE) المستقبلية، مما يثبت أن الكلام يعد مؤشرًا حيويًا رقميًا قابلًا للتطبيق للمراقبة المستمرة والمبكرة للتدهور المعرفي لدى مرضى الخرف.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل الدماغ البشري كمدينة صاخبة. أحياناً، ومع مرور الوقت، تصبح الطرق ضبابية قليلاً، وتبدأ لافتات الشوارع في التلاشي، وتصبح أنماط حركة المرور فوضوية بعض الشيء. هذا ما يحدث في حالة الخرف، وهي حالة تؤثر على الملايين من الناس حول العالم. لفترة طويلة، حاول الأطباء فحص صحة هذه المدينة عن طريق إرسال فريق من المفتشين كل ستة أشهر. يطرحون على السكان سلسلة من الأسئلة، مثل "هل يمكنك تهجئة كلمة 'world' بالعكس؟" أو "ما هو تاريخ اليوم؟" للحصول على درجة تسمى MMSE. لكن هذه الطريقة بها بعض العيوب؛ فالمفتشون بشر، لذا قد يشعرون بالتعب أو يختلفون في كيفية تقييم إجابة صعبة. بالإضافة إلى ذلك، فإن الانتظار لمدة ستة أشهر بين الزيارات يعني أنهم قد يفوتون الحفر الصغيرة والدقيقة التي تظهر في طرق المدينة بين عمليات التفتيش.
إليك فكرة جديدة: ماذا لو استطاع سكان المدينة إخبارنا عن حالة الطرق بمجرد التحدث؟ لطالما اشتبه العلماء في أن طريقة حديث الناس تتغير مع زيادة كثافة الضباب الدماغي. قد يكررون الكلمات، أو يفقدون حبل أفكارهم، أو يستخدمون جملًا أبسط. وفي السنوات الأخيرة، أصبحت الحواسيب بارعة جداً في "الاستماع" إلى قصصهم. إنهم يستخدمون أدوات خاصة تسمى "المحولات" (Transformers) - تخيلها كنظارات قراءة ذكية جداً تفهم المعنى العميق للكلمات، وليس مجرد الكلمات نفسها - لتحويل الكلام إلى خريطة رقمية. يسأل هذا البحث سؤالاً كبيراً: هل يمكننا استخدام هذه الخرائط الرقمية للكلام، مدمجة مع تاريخ زيارات الشخص، للتنبؤ بمدى ضبابية دماغه في المستقبل، بدلاً من مجرد التخمين كيف يبدو الآن؟
قصة آلة الزمن المتكلمة
في هذه الدراسة، قرر باحثان، ديبتانشو ديفاثا وجو شياو، بناء "آلة زمن متكلمة". لم يكن هدفهما مجرد تشخيص الخرف؛ بل أرادا استراق النظر إلى المستقبل. أرادا معرفة ما إذا كان بإمانهما النظر في محادثات المريض الماضية والتنبؤ بدرجته الإدراكية المستقبلية (MMSE) قبل موعد زيارة الطبيب التالية حتى.
ولتحقيق ذلك، جمعا مجموعة من القصص من "DementiaBank Pitt Corpus". تخيل مكتبة ضخمة من المقابلات حيث تحدث أشخاص يعانون من الخرف وأشخاص أصحاء مع الباحثين على مدار عدة سنوات. قام الفريق بتنقية هذه النصوص، وإزالة صوت المحاور ليكون لديهم فقط كلمات المريض. ثم حولوا هذه الكلمات إلى نوعين مختلفين من البيانات.
أولاً، استخدموا نهجاً "يدوياً". بحثوا عن أدلة محددة في الكلام، مثل:
- التشتت في الموضوع: هل انتقل الشخص من التحدث عن قطته إلى الطقس ثم إلى قائمة تسوق؟ (ضعف "التماسك العالمي").
- التكرار: هل استمر في قول نفس الكلمة مراراً وتكراراً؟ (ارتفاع "التكرار بين الجمل").
- الكلمات الحشوية: هل قال "اممم" و"آه" كثيراً؟ (ارتفاع "معدل الكلمات الحشوية").
- طول الجملة: هل كانت جملهم تصبح أقصر وأبسط؟
ثانياً، استخدموا نهج "المحول" (Transformer). قاموا بتغذية الكلام في نموذج ذكاء اصطناعي قوي يسمى Sentence-BERT (SBERT). فكر في هذا كأنه مترجم سحري لا يكتفي بعدّ الكلمات فحسب، بل يفهم "الشعور" و"المعنى" للمحادثة بأكملة. لقد حولوا الكلام إلى "بصمة" رقمية معقدة مكونة من 384 بُعداً للحالة الدلالية. ولجعل الأمر قابلاً للإدارة، قاموا بضغط هذه البصمة إلى أهم 20 ميزة.
أخيراً، مزجوا هذه الأدلة الكلامية مع التاريخ الطبي للمريض (مثل العمر، والتعليم، ودرجات الاختبار السابقة) وغذوا كل شيء في برنامج حاسوبي ذكي يسمى LightGBM. هذا البرنامج يشبه المحقق الذي يبحث عن الأنماط في البيانات ليقوم بعملية التخمين.
الكشف الكبير
كانت النتائج واعدة للغاية. استطاع النموذج الحاسوبي التنبؤ بدرجة MMSE المستقبلية للمريض بدقة عالية. وعندما اختبروه، تطابقت تنبؤات النموذج مع الدرجات الحقيقية بشكل وثيق، مع ارتباط قدره 0.917 (وهو مرتفع جداً في عالم التنبؤات) ومعدل خطأ (RMSE) قدره 2.75 نقطة فقط.
إليك الجزء الأهم من الاكتشاف: لم يعتمد النموذج فقط على التاريخ الطبي. فقد أضافت بيانات الكلام، وخاصة بصمات "المحول"، مكوناً خاصاً لم تستطع السيرة الطبية وحدها توفيره. الأمر يشبه محاولة التنبؤ بالطقس: معرفة درجة الحرارة (التاريخ السريري) أمر مفيد، لكن معرفة اتجاه الرياح والرطوبة (أنماط الكلام) يمنحك صورة أوضح بكثير عن العاصفة القادمة.
وجد الباحثون أن ميزات الكلام من نوع "SBERT" كانت ثالث أهم دليل استخدمه النموذج، مباشرة بعد الدرجة الأولية للمريض ومقياس محدد لتقييم الخرف. وهذا يشير إلى أن الطريقة التي يتدفق بها كلام الشخص وكيف يتماسك تحتوي على إشارات خفية حول الصحة المستقبلية لدماغه.
ما يقوله البحث (وما لا يقوله)
يؤكد المؤلفون بحذر أن هذا ليس علاجاً سحرياً أو كرة بلورية مثالية. لقد اختبروا نموذجهم على مجموعة صغيرة نسبياً مكونة من 126 مريضاً، ولم يكن هناك الكثير من الأشخاص الذين يعانون من خرف شديد جداً في المجموعة. وبسبب ذلك، مال النموذج إلى المبالغة قليلاً في تقدير درجات المرضى الأكثر تضرراً. كما اعترفوا بأن نموذجهم هو أداة "مقترحة"، وليس بديلاً تشخيصياً مثبتاً. إن هامش الخطأ في تنبؤهم هو في الواقع في نفس حجم الاختلاف الطبيعي بين الأطباء البشر المختلفين عند تقييمهم لنفس الاختبار.
ومع ذلك، تشير الدراسة بقوة إلى أن الكلام هو "علامة رقمية طولية" قابلة للتطبيق. وهذه طريقة فنية للقول بأن الاستماع إلى كيفية حديث الناس بمرور الوقت هو وسيلة موثوقة لتتبع التدهور البطيء للدماغ، مما يوفر وسيلة لالتقاط التغييرات التي قد تُفقد بين زيارات الطبيب المعتادة كل ستة أشهر.
الخلاصة
لا يدعي هذا البحث أنه حل مشكلة الخرف. بدلاً من ذلك، فإنه يقدم طريقة جديدة ومنخفضة العبء لمراقبة "طرق المدينة" في الدماغ. من خلال الجمع بين الفهم العميق للذكاء الاصطناعي والإشارات الدقيقة في كلامنا اليومي، أظهر الباحثون أنه قد نتمكن قريباً من التنبؤ بالتدهور الإدراكي بشكل أكثر تكراراً ودقة من أي وقت مضى. إنها خطوة نحو رصد الضباب قبل أن يصبح كثيفاً، مما قد يساعد الأطباء والعائلات على اتخاذ قرارات أفضل بشأن الرعاية في الوقت المناسب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.