| 내용 |
IBM과 화이자(Pfizer)의 AI 연구팀은 사람들의 글을 분석하고 언어 패턴을 찾아 잠재적으로 알츠하이머 병의 징후를 감지 할 수있는 AI 알고리즘을 개발하고 있다. 이 AI 모델은 임상 테스트에 앞서 의료진이 알츠하이머 병의 발전 가능성에 대한 단서를 얻는데 도움을 줄 수 있다. 기본적으로 의료진이 보다 광범위한 검사를 시작하도록 하는 조기 경보 시스템으로 볼 수 있다.IBM-Pfizer 팀은 양전자방단층촬영(PET) 영상을 분석하거나 임상실험 데이터를 해석하여 알츠하이머 발병을 예측하는 모델을 개발했다. 이 모델은 60년 동안 3세대에 걸쳐 14,000명이 넘는 사람들에 대한 데이터를 포함하는 Framingham Heart Study 데이터로 학습되었다. AI가 장기간에 걸쳐 대규모 집단 내에서 패턴을 안정적으로 감지 할 수있는 것처럼 장기간의 데이터 확보는 잠재적으로 알츠하이머 증상을 예측할 수 있다. 또한 단층촬영이나 침습 검사 없이 신뢰성 높은 진단을 가능하게 해줄 것이다.AI 모델 학습을 위해 연구진은 다양한 질문에 대한 자필 응답서를 이용했다. Framingham Heart Study에서 실험 참가자들은 그림을 자연어로 기술하는 작업을 수행했다. 이 답문장들은 디지털화되어 기계학습 알고리즘에 학습데이터로 입력된다. AI 모델은 신경 퇴행성 장애와 관련된 특정 언어 적 특징을 포착할 수 있는 것으로 나타났다. 연구진은 반복되는 특정 단어, 맞춤법 오류 및 복잡한 문장에 대한 단순한 문구에 대한 선호 등이 알츠하이머 병의 전조로 볼 수 있음을 발견했다.AI 모델은 85 세가 되기 전 알츠하이머 병에 걸린 참가자를 예측하는데 있어 약 70 %의 정확도를 달성했다. 모델은 Framingham Heart Study의 과거 데이터에서 파생된 가장 오래된 데이터를 이용했다. 따라서 진정한 미래를 예측하는 것은 아니며, 비히스페닉 백인을 주로 하기 때문에 전 세계 인구를 대표할 수는 없다. 또한 표본 크기도 40명의 실험군과 40명의 대조군으로 작다는 한계가 있다.그럼에도 이번 연구는 오랜 기간 동안 수집한 대규모 실생활 데이터를 분석한 첫 번째 시도로 가치를 갖는다. 또한 손글씨체와 같은 제외된 특성을 학습 데이터에 포함할 경우 정확도를 높일 수 있을 것으로 보인다. 이 외에도 녹음한 목소리를 통해 일시 정지와 같은 특성을 보완할 수도 있다. 이런 접근은 모두 비침습적 방법으로 참가자의 인지능력을 측정할 수 있고 개인정보 보호와 같은 데이터 수집 상의 문제를 해결한다면 인터넷을 통해 저렴하게 원격으로 데이터를 모을 수 있는 장점이 있다. 음성 데이터를 자연어 처리를 통해 분석하면 알츠하이머 뿐만 아니라 조현병, 근 위축성 측삭 경화증 및 파킨슨병 등을 더 잘 이해 할 수 있을 것으로 예상된다. |
