هوش مصنوعی قادر است تنها با شنیدن صدای شما، علائم سالخوردگی مغز را تشخیص دهد

صوت ما به احتمال زیاد بیش از آنچه که تصور می‌کنیم، دارای اطلاعاتی کلیدی در مورد وضعیت جسمانی و ذهنی‌مان است. محققان به‌تازگی ابزاری مبتنی بر هوش مصنوعی طراحی کرده‌اند که با شنیدن روش بیان افراد، قادر است سن آن‌ها را پیش‌بینی کند؛ تخمینی که می‌تواند نشانه‌هایی از سرعت پیر شدن و حتی خطر ابتلا به زوال عقل ارائه دهد.

این ابزار تنها به تن صدا یا زیر و بمی آن توجه ندارد، بلکه به تحلیل صدها ویژگی مانند سرعت گفتگو، مکث‌ها، انتخاب واژه‌ها و نحوه ابراز احساسات می‌پردازد. پژوهشگران با آزمایش این مدل بر روی نزدیک به سه هزار فرد اسپانیایی‌زبان متوجه شدند که هرچه سن تخمینی حاصل از هوش مصنوعی بیشتر از سن واقعی باشد، احتمال ظهور اختلالات شناختی، زوال عقل و شتاب در فرآیند پیر شدن در آن‌ها افزایش می‌یابد. این افراد همچنین تجربه بیشتری در محرومیت‌های اجتماعی و اقتصادی داشتند. نتایج این تحقیق در تاریخ ۳۰ سپتامبر در نشریه علمی «ساینس ادونسز» (Science Advances) منتشر شد.

به نقل از وب‌سایت لایو‌ساینس، طرح کلی این پژوهش شباهت زیادی به «ساعت‌های پیری» دارد؛ روش‌هایی که با تجزیه و تحلیل علائم زیستی بدن سعی در تخمین سن زیستی و ریسک ابتلا به بیماری‌های ناشی از افزایش سن دارند. تفاوت اصلی این است که ابزار جدید برای این منظور به آزمایش خون یا تصویربرداری مغزی نیاز ندارد و اطلاعات مورد نظر را به سادگی از صدای فرد استخراج می‌کند.

آدولفو گارسیا، یکی از نویسندگان این تحقیق و مدیر مرکز علوم اعصاب شناختی در دانشگاه سن آندرس آرژانتین، معتقد است روش‌های موجود برای اندازه‌گیری پیر شدن بسیار کارآمد هستند، اما اکثر آن‌ها متکی به تصویربرداری مغز یا آزمایش خون هستند که ممکن است هزینه‌بر، تهاجمی باشند یا تکرار منظم آن‌ها دشوار باشد. به گفته وی، استفاده از گفتار این محدودیت‌ها را به طور چشمگیری کاهش می‌دهد.

با این حال، هنوز برای به‌کارگیری این ابزار در تشخیص خطر زوال عقل افراد زود است. یکی از متخصصان به لایو ساینس گفت این روش باید در زبان‌های متنوع‌تری آزمایش شود و همچنین به مطالعاتی نیاز دارد که افراد را در طول زمان طولانی‌تری پیگیری کنند.

این ابزار چگونه از گفتار برای تخمین سن استفاده می‌کند؟

محققان برای انجام این مطالعه

به داده‌های مرتبط با «کنسرسیوم رد-لت» (پروژه‌ای جامع در زمینه زوال عقل در آمریکای لاتین) توجه کردند. اطلاعات بیش از دو هزار و ۹۰۰ فرد اسپانیایی‌زبان از کشورهای آرژانتین، شیلی، کلمبیا، مکزیک و پرو در این بررسی به کار گرفته شد. شرکت‌کنندگان در دامنه سنی ۱۸ تا ۸۸ سال قرار داشتند. از میان این افراد، تقریباً هزار و ۵۰۰ نفر از نظر شناختی سالم بودند و بقیه به اختلال شناختی خفیف، آلزایمر یا زوال عقل پیشانی-گیجگاهی دچار بودند.

هر شرکت‌کننده در هفت آزمون مختلف شرکت کرد. مثلاً از آن‌ها خواسته شد یک ویدیو انیمیشنی را توصیف کنند، در مدت ۶۰ ثانیه به بیشترین تعداد ممکن، نام سبزیجات، حیوانات و واژه‌های گوناگون را ذکر کنند و داستانی کوتاه را نخست بلافاصله پس از شنیدن و بار دیگر ۲۰ تا ۳۰ دقیقه بعد بیان کنند.

صدای شرکت‌کنندگان حین انجام این تمرین‌ها ضبط گردید. محققان سپس بیش از ۷۰۰ ویژگی مختلف را در این نمونه‌ها بررسی کردند؛ از مکث‌ها و سرعت بیان تا زیر و بمی صدا، دامنه واژگان و روش ابراز احساسات.

این داده‌ها در اختیار یک مدل یادگیری ماشینی قرار گرفت تا بتواند صرفاً با تکیه بر نحوه سخن‌گفتن، سن افراد را حدس بزند. پژوهشگران سپس خروجی این مدل را با سن واقعی هر شرکت‌کننده مقایسه کردند و تفاوت میان این دو را «فاصله سنی گفتار» نامیدند.

نتایج به وضوح نمایان بود. در بین افراد سالم، سنی که هوش مصنوعی از روی گفتار پیش‌بینی می‌کرد معمولاً به سن واقعی آن‌ها نزدیک‌تر بود، درحالی‌که این فاصله در افرادی که به اختلالات شناختی خفیف یا زوال عقل مبتلا بودند، بیشتر شد. بیشترین تفاوت نیز در افرادی مشاهده شد که از نوع خاصی زوال عقل پیشانی-گیجگاهی رنج می‌بردند، وضعیتی که به طرز عمده‌ای موجب اختلال در توانایی زبان و برقراری ارتباط می‌شود.

این ارتباط تنها در نتایج هوش مصنوعی مشاهده نشد. افرادی که گفتارشان از سن واقعی‌شان «پیرتر» به نظر می‌رسید، در آزمون‌های حافظه، زبان و تمرکز نیز عملکرد ضعیف‌تری داشتند و انجام فعالیت‌های روزمره برای آنها چالش‌برانگیزتر بود.

آزمایش‌های خون نیز معضلات مشابهی را نمایان کرد. هرچه تفاوت میان سن واقعی فرد و سنی که با گفتار او پیش‌بینی می‌شد بیشتر بود، سه شاخص اپی‌ژنتیکی نیز از تسریع در فرآیند پیر شدن بدن حکایت داشت. این شاخص‌ها با بررسی تغییرات شیمیایی در دی‌ان‌ای، تصویری از سن زیستی شخص به دست می‌دهند؛ سنی که لزوماً با تعداد سال‌های زندگی فرد برابر نیست.

در میان افرادی که به آلزایمر مبتلا بودند، افزایش این اختلاف سنی با بالا رفتن میزان «پی‌تاو ۲۱۷» در خون همراه بود؛ پروتئینی که به عنوان یکی از نشانگرهای مرتبط با بیماری آلزایمر شناخته می‌شود.

محققان همچنین به همبستگی های معنادار دیگری پی بردند.

عواملی چون شرایط اقتصادی نامساعد، ناامنی غذایی، دسترسی محدود به خدمات بهداشتی، تجربیات چالش‌برانگیز دوران کودکی و میزان تحصیلات پایین نیز در میان افرادی که صدای آن‌ها «پیرتر» از سن واقعی‌شان به گوش می‌رسید، شیوع بیشتری داشت. گارسیا می‌گوید علی‌رغم تفاوت‌های اجتماعی و فرهنگی در پنج کشور مورد مطالعه، این الگو در تمام آن‌ها مشابه و تکرارپذیر بوده است.

صدای پیرتر لزوماً به معنی زوال عقل نیست

دکتر مانیشا پارولکار، یکی از مدیران مرکز اختلالات حافظه و سلامت مغز در مرکز پزشکی دانشگاه هکنساک نیوجرسی که در این تحقیق شرکت نداشت، اعتقاد دارد این روش گامی اساسی در راحت‌تر و قابل دسترس‌تر ساختن ارزیابی سلامت مغز به شمار می‌آید.

اما او نسبت به تعمیم شتاب‌زده یا مبالغه در تفسیر نتایج هشدار می‌دهد. صدای انسان تحت تأثیر عوامل جسمی و روانی مختلفی قرار می‌گیرد. مسائلی مانند افسردگی، خستگی مزمن یا فشارهای زندگی می‌توانند بر نحوۀ بیان فرد تأثیر بگذارند و آن را «پیرتر» نشان دهند. بنابراین، پارولکار می‌گوید از دیدگاه پزشکی، هرگز نمی‌توان به تنهایی بر اساس این ابزار به تشخیص قطعی زوال عقل دست پیدا کرد.

به بیان او، این فناوری در آینده بیشتر می‌تواند نقش یک زنگ خطر را ایفا کند؛ بدین ترتیب که اگر نتیجه‌ای غیرعادی دریافت شود، پزشک را به بررسی عمیق‌تر حافظه و دیگر توانایی‌های شناختی فرد سوق دهد.

این پژوهش همچنین حاوی یک محدودیت بزرگ دیگر است. بخش زیادی از شرکت‌کنندگان تنها یک بار بررسی شدند و محققان تغییرات صدای آن‌ها را در طول سال‌های آتی پیگیری نکردند. لذا هنوز مشخص نیست که پیرتر شدن الگوی گفتار آیا واقعاً به افت شناختی در آینده اشاره می‌کند یا اینکه با پیشرفت زوال عقل، صدا و شیوه صحبت کردن به چه نحو تغییر خواهد کرد.

علاوه بر این، هوش مصنوعی استفاده شده در این تحقیق صرفاً با داده‌های مربوط به افراد اسپانیایی‌زبان از پنج کشور آمریکای لاتین آموزش دیده است. لذا نمی‌توان بدون آزمایش و تغییر، همین مدل را برای زبان‌های دیگر به کار برد.

پارولکار بیان می‌کند که نمی‌توان مدلی را که برای زبان اسپانیایی طراحی شده، به سادگی برای نمونه‌های انگلیسی نیز به کار برد. هر زبان دارای ویژگی‌های خاص خود می‌باشد و این تمایزات بایستی در حین طراحی و آزمایش مدل مدنظر قرار گیرد.

محققان در حال حاضر تمایل دارند که این روش را مورد آزمایش بر زبان‌های دیگر قرار دهند و افراد را مدت زمان طولانی‌تری تحت نظارت داشته باشند. هدف این است که مشخص شود آیا تغییرات در روش بیان می‌تواند قبل از ظهور علائم شناختی، به عنوان علامت هشداردهنده‌ای برای آینده عمل کند یا خیر.

گارسیا بر این باور است که در نحوه بیان افراد نشانه‌های قابل توجهی نهفته است که ممکن است روزی از آن‌ها برای پیش‌بینی خطر زوال عقل در آینده استفاده شود، اما برای دستیابی به چنین نتایجی نیاز به تحقیقات بیشتر و متنوع‌تری احساس می‌شود.