ساعت گفتار؛ تشخیص سن زیستی و افت شناختی از صدای انسان

ساعتی که گوش می‌دهد

اغلب می‌توان از شیوه صحبت کردن افراد، سن آن‌ها را حدس زد. کاری که دانشمندان اکنون انجام داده‌اند، تبدیل همین برداشت شهودی به یک سیگنال قابل اندازه‌گیری است. ابزار تازه‌ای مبتنی بر هوش مصنوعی به نام «ساعت گفتار» زبان گفتاری را تحلیل می‌کند تا سن تقویمی فرد را برآورد کند و فاصله میان این برآورد و سن واقعی او، ظاهرا با افت شناختی و نشانه‌های اولیه پیری زیستی همبستگی دارد.

این مطالعه که در ساینس ادونسز منتشر شده و لایوساینس نیز به آن پرداخته است، بر پایه داده‌های نزدیک به ۲۹۰۰ شرکت‌کننده اسپانیایی‌زبان از کنسرسیوم رد-لات انجام شد؛ پروژه‌ای بزرگ در آمریکای لاتین برای پژوهش درباره زوال عقل. پژوهشگران تکالیف کوتاه گفتاری را ضبط کردند و صدها ویژگی آکوستیکی و زبانی را از آن بیرون کشیدند. این مدل برای پیش‌بینی سن تنها بر اساس صدا، بیش از ۷۰۰ ویژگی سیگنال را به کار گرفت؛ از مکث‌ها و سرعت صحبت کردن گرفته تا زیر و بمی صدا، گستره واژگان و لحن احساسی.

مدل چگونه ساخته شد و چه چیزهایی را اندازه گرفت

شرکت‌کنندگان بین ۱۸ تا ۸۸ سال داشتند و از آرژانتین، شیلی، کلمبیا، مکزیک و پرو بودند. حدود نیمی از آن‌ها از نظر شناختی سالم بودند و بقیه دچار اختلال شناختی خفیف، بیماری آلزایمر یا زوال عقل پیشانی گیجگاهی بودند. هر فرد هفت تکلیف استاندارد گفتاری را انجام داد؛ برای نمونه توصیف یک کلیپ کوتاه پویانمایی، نام بردن از بیشترین تعداد حیوان یا سبزیجات در ۶۰ ثانیه، و بازگویی یک داستان کوتاه، یک بار بلافاصله و بار دیگر پس از یک فاصله زمانی.

مدل یادگیری ماشین آموزش دید تا سن تقویمی را از ویژگی‌های استخراج‌شده از گفتار پیش‌بینی کند. سپس پژوهشگران یک شکاف سن گفتاری را محاسبه کردند: تفاوت میان برآورد سن توسط هوش مصنوعی و سن واقعی شرکت‌کننده. شکاف مثبت بزرگ‌تر به این معنا بود که صدا از سن شناسنامه‌ای فرد پیرتر به نظر می‌رسید.

نکته مهم این بود که شکاف سن گفتاری با شاخص‌های بالینی همبستگی داشت. شرکت‌کنندگانی که صدایشان مسن‌تر از سن واقعی‌شان شنیده می‌شد، معمولا در آزمون‌های حافظه، زبان و توجه عملکرد ضعیف‌تری داشتند و دشواری بیشتری را در فعالیت‌های روزمره گزارش می‌کردند. بزرگ‌ترین شکاف‌ها در افراد مبتلا به زوال عقل پیشانی گیجگاهی دیده شد؛ نوعی از تخریب عصبی که اغلب از همان مراحل اولیه، گفتار و ارتباط را مختل می‌کند.

چرا این موضوع مهم است: غربالگری کم‌هزینه و زمینه اجتماعی

علاقه به «ساعت‌های پیری» زیستی که سن فیزیولوژیک را با استفاده از نشانگرهای زیستی تخمین می‌زنند، رو به افزایش است. بسیاری از این ساعت‌ها به اسکن مغز یا آزمایش خون متکی‌اند؛ ابزارهایی قدرتمند، اما گران و تهاجمی برای غربالگری معمول. تحلیل صدا متفاوت است: گردآوری فایل‌های صوتی ارزان، غیرتهاجمی و قابل انجام از راه دور است؛ ویژگی‌هایی که آن را برای غربالگری گسترده یا پیگیری‌های پزشکی از راه دور مفید می‌کند.

این گروه پژوهشی همچنین دریافت که شکاف سن گفتاری بزرگ‌تر با فشارهای اجتماعی و اقتصادی مرتبط با خطر زوال عقل همسو است: دشواری مالی، ناامنی غذایی، دسترسی محدود به خدمات سلامت، تجربه‌های نامطلوب دوران کودکی و سطح تحصیلات پایین‌تر. این الگو نشان می‌دهد سیگنال صوتی تنها حامل اطلاعات عصب‌زیستی نیست، بلکه اثر فشارهای طول زندگی را نیز در خود دارد؛ فشارهایی که بر سلامت مغز اثر می‌گذارند.

با این حال، نویسندگان هشدار می‌دهند که ساعت گفتار راه‌حلی قطعی برای تشخیص بیماری نیست. صدای انسان به بسیاری از وضعیت‌های کوتاه‌مدت واکنش نشان می‌دهد؛ افسردگی، خستگی و استرس می‌توانند باعث شوند فرد مسن‌تر به نظر برسد، بی‌آنکه الزاما تخریب عصبی زمینه‌ای وجود داشته باشد. این ابزار باید به عنوان یک نشانگر زیستی مکمل دیده شود؛ ابزاری که ممکن است افراد نیازمند ارزیابی بیشتر را مشخص کند، نه اینکه به تنهایی تشخیص قطعی بدهد.

گام‌های بعدی و چشم‌انداز آینده

پژوهشگران چند مسیر را برای توسعه این فناوری پیشنهاد می‌کنند: اعتبارسنجی روی گروه‌های زبانی بزرگ‌تر و متنوع‌تر، انجام مطالعات طولی برای بررسی اینکه آیا صدایی که پیرتر شنیده می‌شود افت شناختی آینده را پیش‌بینی می‌کند یا نه، و ترکیب آن با نشانگرهای زیستی دیجیتال کم‌هزینه دیگر، مانند الگوهای تایپ کردن یا داده‌های غیرفعال گوشی هوشمند. ترکیب سیگنال‌ها می‌تواند اختصاصیت را افزایش دهد و به تفکیک تغییرات گذرا، مانند یک هفته سخت، از افت پیشرونده، مانند یک روند بلندمدت، کمک کند.

اجرای عملی این روش همچنین به توجه دقیق به سوگیری نیاز دارد. مدل‌های صوتی که بر اساس یک زبان یا گروه فرهنگی آموزش دیده‌اند، ممکن است به‌خوبی به دیگر گروه‌ها تعمیم پیدا نکنند. فراهم کردن مجموعه‌داده‌های نماینده و آزمودن مدل در لایه‌های مختلف اجتماعی و اقتصادی، پیش از هرگونه به‌کارگیری بالینی ضروری خواهد بود.

دیدگاه کارشناس

دکتر آنا مارتینز، عصب‌شناس شناختی خیالی آشنا با نشانگرهای زیستی دیجیتال، می‌گوید: «آنچه این کار را امیدبخش می‌کند، مقیاس‌پذیری آن است. نمونه صدا بار کمی بر فرد تحمیل می‌کند و جمع‌آوری آن آسان است، به‌ویژه در جاهایی که دسترسی به تصویربرداری پیشرفته یا آزمایش‌های آزمایشگاهی محدود است. چالش کنونی این است که ثابت شود این سیگنال به اندازه کافی اختصاصی است تا بتواند تصمیم‌های بالینی را هدایت کند و در جمعیت‌های مختلف نیز به شکلی عادلانه عمل می‌کند.»

جمع‌بندی

ساعت گفتار ابزار تازه و قابل توجهی را به جعبه‌ابزار نشانگرهای زیستی پیری اضافه می‌کند: هوش مصنوعی‌ای که گوش می‌دهد و اندازه‌گیری می‌کند یک صدا چقدر پیر به نظر می‌رسد. نتایج اولیه، گفتاری را که مسن‌تر شنیده می‌شود با اختلال شناختی، زوال عقل و عوامل اجتماعی تعیین‌کننده سلامت مرتبط می‌دانند. اگر این فناوری با دقت اعتبارسنجی و اجرا شود، غربالگری مبتنی بر صدا می‌تواند دسترسی به تشخیص زودهنگام و پایش را گسترش دهد؛ اما برای جلوگیری از زیاده‌روی یا آسیب، به آزمون‌های سخت‌گیرانه و متنوع و ادغام سنجیده در جریان‌های کاری بالینی نیاز خواهد داشت.