Το AI ανιχνεύει αυτιστικά μοτίβα ομιλίας σε διαφορετικές γλώσσες

Περίληψη: Οι αλγόριθμοι μηχανικής μάθησης βοηθούν τους ερευνητές να εντοπίσουν μοτίβα ομιλίας σε παιδιά στο φάσμα του αυτισμού που είναι συνεπή μεταξύ διαφορετικών γλωσσών.

πηγή: Πανεπιστήμιο Northwestern

Μια νέα μελέτη με επικεφαλής τους ερευνητές του Northwestern University χρησιμοποίησε τη μηχανική μάθηση – έναν κλάδο της τεχνητής νοημοσύνης – για να εντοπίσει μοτίβα ομιλίας σε παιδιά με αυτισμό που ήταν συνεπή μεταξύ αγγλικών και καντονέζικων, υποδηλώνοντας ότι τα χαρακτηριστικά ομιλίας μπορεί να είναι ένα χρήσιμο εργαλείο για τη διάγνωση της πάθησης.

Διεξήχθη με συνεργάτες στο Χονγκ Κονγκ, η μελέτη έδωσε πληροφορίες που θα μπορούσαν να βοηθήσουν τους επιστήμονες να διακρίνουν μεταξύ γενετικών και περιβαλλοντικών παραγόντων που διαμορφώνουν τις επικοινωνιακές ικανότητες των ατόμων με αυτισμό, κάτι που θα μπορούσε να τους βοηθήσει να μάθουν περισσότερα για την προέλευση της πάθησης και να αναπτύξουν νέες θεραπείες.

Τα παιδιά με αυτισμό συχνά μιλούν πιο αργά από τα τυπικά αναπτυσσόμενα παιδιά και παρουσιάζουν άλλες διαφορές στον τόνο, τον τόνο και τον ρυθμό. Αλλά αυτές οι διαφορές (τις οποίες οι ερευνητές αποκαλούν «τυχαίες διαφορές») ήταν εκπληκτικά δύσκολο να χαρακτηριστούν με συνεπή και αντικειμενικό τρόπο και η προέλευσή τους παρέμενε ασαφής για δεκαετίες.

Ωστόσο, μια ομάδα ερευνητών με επικεφαλής τους βορειοδυτικούς επιστήμονες Molly Loach και Joseph C.Y. Lau, μαζί με τον συνεργάτη Patrick Wong και την ομάδα του από το Χονγκ Κονγκ, χρησιμοποίησαν με επιτυχία την εποπτευόμενη μηχανική μάθηση για να εντοπίσουν διαφορές ομιλίας που σχετίζονται με τον αυτισμό.

Τα δεδομένα που χρησιμοποιήθηκαν για την εκπαίδευση του αλγόριθμου ήταν ηχογραφήσεις νεαρών ανδρών που μιλούσαν αγγλικά και καντονέζικα με και χωρίς αυτισμό που έλεγαν τη δική τους εκδοχή του παραμυθιού σε ένα παιδικό βιβλίο με εικόνες χωρίς λόγια που ονομάζεται “Frog, where are you?”

Τα αποτελέσματα δημοσιεύτηκαν στο περιοδικό ΣΥΝ ΕΝΑ Στις 8 Ιουνίου 2022.

Λόουτς, μια Τζο-Αν Τζ. Peter F. Η Dolly είναι καθηγήτρια Μαθησιακών Δυσκολιών στο Πανεπιστήμιο Northwestern.

«Αλλά ενδιαφέρουσα είναι και η διακύμανση που παρατηρήσαμε, η οποία μπορεί να υποδεικνύει πιο ρευστά χαρακτηριστικά ομιλίας, τα οποία θα ήταν δυνητικά καλοί στόχοι για παρέμβαση».

Ο Lau πρόσθεσε ότι η χρήση της μηχανικής μάθησης για τον εντοπισμό βασικών στοιχείων της ομιλίας που ήταν προγνωστικά του αυτισμού είναι ένα σημαντικό βήμα προς τα εμπρός για τους ερευνητές, οι οποίοι έχουν περιοριστεί από την αγγλική προκατάληψη στην έρευνα του αυτισμού και της ανθρώπινης υποκειμενικότητας όταν πρόκειται για την ταξινόμηση των διαφορών ομιλίας. μεταξύ αυτιστικού και μη αυτιστικού.

«Χρησιμοποιώντας αυτή τη μέθοδο, μπορέσαμε να εντοπίσουμε χαρακτηριστικά ομιλίας που μπορούν να προβλέψουν τη διάγνωση του αυτισμού», είπε ο Lau, μεταδιδακτορικός ερευνητής που εργάζεται με τον Loach στο Τμήμα Επιστημών Επικοινωνίας και Διαταραχών Roxlin και Richard Pepper στο Northwestern.

“Το πιο αξιοσημείωτο από αυτά τα χαρακτηριστικά είναι ο ρυθμός. Ελπίζουμε ότι αυτή η μελέτη θα αποτελέσει τη βάση για μελλοντική εργασία σχετικά με τον αυτισμό που ενισχύει τη μηχανική μάθηση.”

Οι ερευνητές πιστεύουν ότι η εργασία τους έχει τη δυνατότητα να συμβάλει στη βελτιωμένη κατανόηση του αυτισμού. Ο Λάου είπε ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να διευκολύνει τη διάγνωση του αυτισμού συμβάλλοντας στη μείωση του φόρτου για τους επαγγελματίες υγείας, καθιστώντας τη διάγνωση του αυτισμού πιο προσιτή σε περισσότερους ανθρώπους. Θα μπορούσε επίσης να παρέχει ένα εργαλείο που θα μπορούσε μια μέρα να ξεπεράσει τους πολιτισμούς, λόγω της ικανότητας ενός υπολογιστή να αναλύει λέξεις και ήχους με ποσοτικό τρόπο, ανεξάρτητα από τη γλώσσα.

Δεδομένου ότι τα χαρακτηριστικά της ομιλίας που προσδιορίζονται μέσω της μηχανικής μάθησης περιλαμβάνουν και τα δύο χαρακτηριστικά κοινά στα αγγλικά, τα καντονέζικα και αυτά που είναι ειδικά για μια γλώσσα, είπε ο Loch, η μηχανική μάθηση θα μπορούσε να είναι χρήσιμη για την ανάπτυξη εργαλείων που όχι μόνο προσδιορίζουν πτυχές του λόγου κατάλληλες για θεραπευτικές παρεμβάσεις αλλά και μετρούν ο αντίκτυπος αυτών των Παρεμβάσεων αξιολογώντας την πρόοδο του ομιλητή με την πάροδο του χρόνου.

Τέλος, τα ευρήματα της μελέτης θα μπορούσαν να ενημερώσουν τις προσπάθειες για τον εντοπισμό και την κατανόηση του ρόλου συγκεκριμένων γονιδίων και μηχανισμών επεξεργασίας του εγκεφάλου που εμπλέκονται στη γενετική ευαισθησία στον αυτισμό, είπαν οι συγγραφείς. Τελικά, στόχος τους είναι να σχηματίσουν μια πιο ολοκληρωμένη εικόνα των παραγόντων που συνθέτουν τα άτομα με αυτιστικές διαφορές ομιλίας.

“Ένα από τα δίκτυα του εγκεφάλου που εμπλέκονται είναι η ακουστική οδός στο υποφλοιώδες επίπεδο, η οποία σχετίζεται στενά με διαφορές στον τρόπο επεξεργασίας των ήχων ομιλίας στον εγκέφαλο από άτομα με αυτισμό σε σχέση με αυτούς που συνήθως αναπτύσσονται σε διαφορετικούς πολιτισμούς”, είπε ο Lau.

Το επόμενο βήμα θα είναι να προσδιοριστεί εάν αυτές οι διαφορές στην επεξεργασία στον εγκέφαλο οδηγούν στα συμπεριφορικά μοτίβα ομιλίας που παρατηρούμε εδώ και στη νευρογενετική που κρύβεται πίσω από αυτά. Είμαστε ενθουσιασμένοι με αυτό που θα ακολουθήσει».

δείτε επίσης

Σχετικά με αυτήν την έρευνα νέα για AI και ASD

συγγραφέας: Μαξ Βιτίνσκι
πηγή: Πανεπιστήμιο Northwestern
Επικοινωνία: Max Wittinsky – Πανεπιστήμιο Northwestern
εικόνα: Η εικόνα είναι δημόσια

αρχική αναζήτηση: ανοιχτή πρόσβαση.
“Διαγλωσσικά μοτίβα διαφορών ομιλίας στον αυτισμό: μελέτη μηχανικής μάθησηςΓράφτηκε από τον Joseph C. Y. Lau et al. ΣΥΝ ΕΝΑ

Περίληψη

Διαγλωσσικά μοτίβα διαφορών ομιλίας στον αυτισμό: μελέτη μηχανικής μάθησης

Οι διαφορές στην παρουσίαση του λόγου είναι ένα ευρέως παρατηρούμενο χαρακτηριστικό της διαταραχής του φάσματος του αυτισμού (ΔΑΦ). Ωστόσο, δεν είναι σαφές πώς οι στερεότυπες διαφορές στη ΔΑΦ μεταξύ διαφορετικών γλωσσών δείχνουν διαγλωσσική διακύμανση στην παρουσίαση.

Χρησιμοποιώντας μια προσέγγιση εποπτευόμενης μηχανικής μάθησης, εξετάσαμε φωνητικά χαρακτηριστικά που σχετίζονται με τις ρυθμικές και τονικές πτυχές των παραστάσεων που προέρχονται από αφηγηματικά δείγματα που ελήφθησαν στα Αγγλικά και τα Καντονέζικα, δύο γλώσσες που είναι τυπικά ξεχωριστές και επεισοδιακές.

Τα μοντέλα μας αποκάλυψαν μια επιτυχημένη ταξινόμηση της διάγνωσης ΔΑΦ χρησιμοποιώντας σχετικά χαρακτηριστικά ρυθμού εντός και μεταξύ των δύο γλωσσών. Η ταξινόμηση με χαρακτηριστικά που σχετίζονται με τον τονισμό ήταν σημαντική για τα αγγλικά αλλά όχι για τα καντονέζικα.

Τα ευρήματα υπογραμμίζουν τις διαφορές στο ρυθμό ως ένα σημαντικό επεισοδιακό χαρακτηριστικό που επηρεάζεται από τον αυτισμό και επίσης απεικονίζουν μια σημαντική ποικιλία άλλων γενικών χαρακτηριστικών που φαίνεται να διαμορφώνονται από διαφορές στη γλώσσα, όπως ο τονισμός.