Predicting Cognitive Function Using Transformer-Derived Speech Representations and Longitudinal Coherence Features

Stellen Sie sich das menschliche Gehirn wie eine geschäftige Stadt vor. Manchmal werden die Straßen im Laufe der Zeit etwas neblig, die Straßenschilder verschwimmen und die Verkehrsmuster werden ein wenig chaotisch. Dies ist das, was bei Demenz passiert, einer Erkrankung, von der Millionen von Menschen weltweit betroffen sind. Lange Zeit haben Ärzte versucht, die Gesundheit dieser Stadt zu überprüfen, indem sie alle sechs Monate ein Team von Inspektoren entsendeten. Sie stellen den Bewohnern eine Reihe von Fragen, wie zum Beispiel: „Können Sie das Wort 'Welt' rückwärts buchstabieren?“ oder „Welcher Tag ist heute?“, um eine Punktzahl zu erhalten, die als MMSE bezeichnet wird. Aber diese Methode hat einige Mängel. Die Inspektoren sind Menschen, also können sie müde werden oder uneinig darüber sein, wie man eine knifflige Antwort bewertet. Zudem bedeutet das Warten von sechs Monaten zwischen den Besuchen, dass sie die winzigen, subtilen Schlaglöcher, die zwischen den Inspektionen auf den Straßen der Stadt entstehen, vielleicht übersehen könnten.

Hier kommt eine neue Idee ins Spiel: Was wäre, wenn die Bewohner der Stadt uns über die Straßenverhältnisse erzählen könnten, nur indem sie sprechen? Wissenschaftler vermuten schon lange, dass sich die Art und Weise, wie Menschen sprechen, verändert, wenn ihr „Gehirnebel“ dichter wird. Sie wiederholen vielleicht Wörter, verlieren den Faden oder verwenden einfachere Sätze. In den letzten Jahren sind Computer sehr gut darin geworden, diesen Geschichten „zuzuhören“. Sie verwenden spezielle Werkzeuge namens „Transformer“ (denken Sie an sie als superintelligente Lesebrillen, die die tiefe Bedeutung von Wörtern verstehen und nicht nur die Wörter selbst), um Sprache in eine digitale Landkarte zu verwandeln. Diese Arbeit stellt eine große Frage: Können wir diese digitalen Landkarten der Sprache mit der Geschichte der Besuche einer Person kombinieren, um vorherzusagen, wie neblig ihr Gehirn in der Zukunft sein wird, anstatt nur zu raten, wie es gerade aussieht?

---

Die Geschichte der sprechenden Zeitmaschine

In dieser Studie beschlossen zwei Forscher, Deeptanshu Devatha und Joe Xiao, eine „sprechende Zeitmaschine“ zu bauen. Ihr Ziel war nicht nur die Diagnose von Demenz; sie wollten in die Zukunft blicken. Sie wollten sehen, ob sie die vergangenen Gespräche eines Patienten analysieren und seinen zukünftigen kognitiven Score (den MMSE) vor dem nächsten Arztbesuch vorhersagen könnten.

Um dies zu erreichen, sammelten sie eine Sammlung von Erzählungen aus dem DementiaBank Pitt Corpus. Stellen Sie sich eine riesige Bibliothek von Interviews vor, in denen Menschen mit Demenz und gesunde Kontrollpersonen über mehrere Jahre hinweg mit Forschern gesprochen haben. Das Team bereinigte diese Transkripte, indem es die Stimme des Interviewers entfernte, sodass nur noch die Worte des Patienten übrig blieben. Dann wandelten sie diese Worte in zwei verschiedene Arten von Daten um.

Zuerst nutzten sie einen „handgefertigten“ Ansatz. Sie suchten nach spezifischen Hinweisen in der Sprache, wie zum Beispiel:

• Themenwechsel: Sprang die Person vom Reden über ihre Katze zum Wetter und dann zu einer Einkaufsliste? (Geringe „Globale Kohärenz“).
• Wiederholung: Hat die Person immer wieder dasselbe Wort gesagt? (Hohe „Inter-Sentence Repetition“).
• Füllwörter: Hat sie oft „äh“ und „hm“ gesagt? (Hohe „Filler Rate“).
• Satzlänge: Wurden die Sätze kürzer und einfacher?

Zweitens nutzten sie einen „Transformer“-Ansatz. Sie speisten die Sprache in ein leistungsstarkes KI-Modell namens Sentence-BERT (SBERT) ein. Betrachten Sie dies als einen magischen Übersetzer, der nicht nur Wörter zählt, sondern das Gefühl und die Bedeutung des gesamten Gesprächs versteht. Er verwandelte die Sprache in einen komplexen 384-dimensionalen „Fingerabdruck“ des semantischen Zustands der Person. Um dies handhabbar zu machen, pressten sie diesen Fingerabdruck auf die 20 wichtigsten Merkmale zusammen.

Schließlich mischten sie diese Sprachhinweise mit der medizinischen Vorgeschichte des Patienten (wie Alter, Bildung und vergangene Testergebnisse) und speisten alles in ein intelligentes Computerprogramm namens LightGBM ein. Dieses Programm ist wie ein Detektiv, der nach Mustern in den Daten sucht, um eine Vermutung anzustellen.

Die große Enthüllung

Die Ergebnisse waren sehr vielversprechend. Das Computermodell war in der Lage, den zukünftigen MMSE-Score eines Patienten mit hoher Genauigkeit vorherzusagen. Bei Tests stimmten die Vorhersagen des Modells sehr eng mit den tatsächlichen Werten überein, mit einer Korrelation von 0,917 (was in der Welt der Vorhersagen sehr hoch ist) und einer Fehlerrate (RMSE) von nur 2,75 Punkten.

Hier ist der wichtigste Teil der Entdeckung: Das Modell verließ sich nicht nur auf die medizinische Vorgeschichte. Die Sprachdaten, insbesondere die „Transformer“-Fingerabdrücke, fügten eine besondere Zutat hinzu, die die medizinische Vorgeschichte allein nicht bieten konnte. Es ist wie der Versuch, das Wetter vorherzusagen: Zu wissen, wie hoch die Temperatur (klinische Vorgeschichte) ist, ist hilfreich, aber zu wissen, in welche Richtung der Wind weht und wie hoch die Luftfeuchtigkeit ist (Sprachmuster), gibt einem ein viel klareres Bild des herannahenden Sturms.

Die Forscher fanden heraus, dass die „SBERT“-Sprachmerkmale der drittwichtigste Hinweis waren, den das Modell nutzte, direkt nach dem Ausgangsscore des Patienten und einer spezifischen Demenz-Bewertungsskala. Dies deutet darauf hin, dass der Fluss der Sprache einer Person und die Art, wie sie zusammenhält, verborgene Signale über die zukünftige Gesundheit des Gehirns enthalten.

Was die Arbeit sagt (und was sie nicht sagt)

Die Autoren weisen vorsichtig darauf hin, dass dies kein magisches Heilmittel oder ein perfektes Kristallornament ist. Sie testeten ihr Modell an einer relativ kleinen Gruppe von 126 Patienten, und es gab nicht viele Menschen mit sehr schwerer Demenz in der Auswahl. Aus diesem Grund neigte das Modell dazu, die Scores der am stärksten beeinträchtigten Patienten leicht zu überschätzen. Sie geben auch zu, dass ihr Modell ein „suggestives“ Werkzeug ist und kein bewiesener Ersatz für eine Diagnose. Die Fehlermarge ihrer Vorhersage ist tatsächlich etwa so groß wie die natürliche Uneinigkeit zwischen verschiedenen menschlichen Ärzten, wenn sie denselben Test bewerten.

Dennoch legt die Studie stark nahe, dass Sprache ein lebensfähiger „longitudinaler digitaler Biomarker“ ist. Das ist eine schicke Art zu sagen, dass das Zuhören darauf, wie Menschen über die Zeit sprechen, ein zuverlässiger Weg ist, um den langsamen Verfall des Gehirns zu verfolgen, was eine Möglichkeit bietet, Veränderungen zu erfassen, die zwischen den üblichen sechsmonatigen Arztbesuchen übersehen werden könnten.

Das Fazit

Diese Arbeit behauptet nicht, die Demenz gelöst zu haben. Stattdessen bietet sie einen neuen, ressourcenschonenden Weg, um die „Straßen der Stadt“ des Gehirns im Auge zu behalten. Durch die Kombination des tiefen Verständnisses der KI mit den subtilen Hinweisen in unserer alltäglichen Sprache haben die Forscher gezeigt, dass wir in der Lage sein könnten, den kognitiven Verfall bald häufiger und genauer vorherzusagen als je zuvor. Es ist ein Schritt, um den Nebel abzufangen, bevor er zu dicht wird, was potenziell hilft, Ärzten und Familien dabei zu helfen, zur richtigen Zeit bessere Entscheidungen über die Pflege zu treffen.