10 دقیقه
الگوهای اولیه در گفتار روزمره ممکن است سال‌ها پیش از آنکه آزمونهای حافظه سنتی تغییرات را نشان دهند، نشانه‌هایی از کاهش شناختی را نمایان سازند. پژوهش‌های اخیر نشان میدهد که سرعت و ریتم صحبت‌کردن — و نه فقط کلماتی که فرد در یافتن آنها مشکل دارد — میتواند پنجره‌ای زودهنگام به وضعیت سلامت مغز و فرایندهای مرتبط با بیماری آلزایمر فراهم کند. تحلیل گفتار و بررسی ویژگی‌های زمانی گفتار بهعنوان بیومارکری نوظهور در تشخیص زودهنگام افت حافظه و نشانههای شناختی مورد توجه قرار گرفته‌اند.
رویکرد تازه‌ای برای مسئله‌ای قدیمی: سرعت گفتار بهعنوان یک بیومارکر
محققان دانشگاه تورنتو بررسی کردند که آیا سرعت طبیعی سخن گفتن میتواند پیش‌بینی‌کننده زمان بازیابی واژه‌ها باشد یا خیر. در مطالعهٔ 2023 آنها که در مجله Aging, Neuropsychology, and Cognition منتشر شد، 125 بزرگسال سالم بین 18 تا 90 سال دنبال شدند. شرکت‌کنندگان صحنه‌ها را با صدای بلند توصیف کردند و سپس در آزمون نام‌گذاری تصاویر شرکت نمودند، در حالی که به آنها نشانههای صوتی داده می‌شد که یا به یادآوری کمک می‌کرد یا موجب گمراهی می‌شد.
برای مثال، تصویری از یک جارو ممکن است همراه با کلمهٔ "groom" (قافیهٔ سودمند) یا با کلمهٔ مرتبطِ "mop" قرار گیرد که میتواند حواس را پرت کرده و بازیابی واژه را کند کند. تیم پژوهشی رابطهٔ روشنی را یافت: کسانی که در وظیفهٔ توصیف آزاد سریع‌تر صحبت می‌کردند در آزمون نام‌گذاری تصویر نیز سریع‌تر واژه‌ها را بازیابی می‌نمودند. جد ملتزر، نوروسایکولوژیست شناختی دخیل در این کار، اشاره کرد که تغییرات در سرعت کلی صحبت کردن ممکن است بازتاب‌دهندهٔ تغییرات زیرساختی مغزی باشد و پیشنهاد کرد که اندازه‌گیری سرعت گفتار در ارزیابیهای شناختی روتین گنجانده شود.
این پژوهش بر پایهٔ نظریهٔ سرعت پردازش بنا شده است؛ نظریه‌ای که مطرح می‌کند کندی کلی پردازش شناختی زیربنای بسیاری از افت‌های وابسته به سن است. به زبان ساده‌تر، افراد مسن‌تر غالباً عدم‌روانی‌های گفتاری بیشتری تولید میکنند — «ااا»ها و «اوم»های طولانی‌تر — و آهسته‌تر صحبت میکنند. براساس کار هسی تی. وی و همکاران، بزرگسالان مسن‌تر در وظایف تولید واژه مانند نام‌گذاری تصویر یا خواندن با صدای بلند به‌طور معناداری کندتر از بزرگسالان جوان‌تر هستند. این تفاوتهای زمانی در گفتار میتواند شاخص‌هایی از کاهش سرعت پردازش، دسترسی واژگانی و انعطاف‌پذیری شناختی ارائه دهد.
کدام ویژگی‌های زیست‌شناسی مغز، گفتار را به پاتولوژی آلزایمر پیوند می‌دهند؟
دو پروتئین شاخص در بیماری آلزایمر عبارتند از پلاک‌های آمیلوئید و پیچ‌خوردگی‌های تاو. چندین مطالعه اکنون زمان‌بندی گفتار را با این نشانگرهای زیستی مرتبط ساخته‌اند. یک مطالعهٔ 2024 در دانشگاه استنفورد روی 237 بزرگسال بدون اختلال شناختی از طریق تصویربرداری عصبی بار پروتئین تاو را اندازه‌گیری کرد و دریافت که شرکت‌کنندگان با سطوح بالاتر تاو، نرخ گفتار کندتر و مکث‌های طولانی‌تری نشان می‌دهند. این نوع ارتباطات میان گفتار و نشانگرهای مولکولی، پیوند قوی‌تری بین رفتار کلامی و تغییرات نوروبیولوژیک برقرار می‌کند.
پژوهش‌های دیگر نیز نشان دادهاند که افراد دارای بار آمیلوئید بیشتر در مغز تا حدی بیشتر احتمال دارد مشکلات مرتبط با گفتار را نشان دهند. به‌طور جداگانه، الگوریتمهای یادگیری ماشین آموزش‌دیده روی ضبطهای صوتی توانسته‌اند در بعضی مجموعه‌داده‌ها تشخیص آلزایمر را با دقت حدود 78.5٪ پیشبینی کنند، که نشان‌دهندهٔ پتانسیل تحلیل خودکار گفتار بهعنوان ابزار غربالگری است. این ابزارهای مبتنی بر هوش مصنوعی قادرند ویژگی‌های زمانی (مانند نرخ گفتار و طول مکث)، عدمروانیها، و ویژگی‌های صوتی طیفی را استخراج کنند و مدلهای پیش‌بینی‌گر بسازند.
نکتهٔ مهم این است که مطالعهٔ تورنتو و شواهد تصویربرداری پیگیری نشان می‌دهند کندی گفتار و افزایش مکثها ممکن است حتی زمانی ظاهر شوند که فرد هنوز واژهٔ درست را بازیابی می‌کند. به بیان دیگر، بازیابی حافظهٔ اولیه ممکن است از نظر محتوایی سالم باشد اما زمان‌بر باشد — که منجر به تغییرات قابل شناسایی در زمان‌بندی گفتار می‌شود که نمره‌های حافظهٔ استاندارد ممکن است آنها را از دست بدهند. این یافته تأکید می‌کند که علاوه بر محتوای گفتار، پارامترهای زمانی و فرایندهای دسترسی واژگانی برای تشخیص زودهنگام اهمیت دارند.
تأکید بر روش‌شناسی: چگونه محققان گفتار و بازیابی را اندازه‌گیری کردند
در آزمایش‌های تورنتو، اولین وظیفه از شرکت‌کنندگان خواست تا یک صحنهٔ تصویری را با جزئیات توصیف کنند. آن گفتار طبیعی، پایه‌ای برای اندازه‌گیری سرعت ذاتی صحبت کردن و نرخ عدمروانیها فراهم نمود. وظیفهٔ دوم بازیابی واژه را جدا کرد: اشیاء منفرد نشان داده می‌شد در حالی که نشانههای صوتی پخش می‌شدند؛ قافیه‌ها برای تسهیل یادآوری یا حواس‌پرتی‌های معنایی برای مداخله استفاده می‌شدند. این طراحی آزمایشی اجازه داد تا پژوهشگران تفکیک کنند که آیا سرعت گفتار پایه میتواند مستقل از تأثیرات نشانههای کمکی یا مزاحم پیش‌بینی‌کنندهٔ عملکرد نام‌گذاری باشد یا خیر.
یافتهٔ اصلی قابل تکرار بود: سرعت پایهٔ گفتار پیش‌بینی‌کنندهٔ سریع‌تر نام‌گذاری تصاویر بود، صرف‌نظر از اینکه نشانههای صوتی کمک‌کننده یا مزاحم بودند. تیم توصیه کرد که پزشکان در معاینات شناختی رفتار سرعت گفتار خودانگیخته و الگوهای مکث را در طول وظایف حافظه، بهویژه بازیابی با تأخیر، اندازه‌گیری کنند؛ جایی که کندی ظریف ممکن است بیشترین آشکاری را داشته باشد. این توصیه‌ها معطوف به طراحی ابزارهای غربالگری سخنی کم‌هزینه و غیرتهاجمی است.
کلر لانکستر، پژوهشگری در زمینهٔ دمانس که در سال 2024 در نیوشن دربارهٔ این کار اظهار نظر کرد، نتایج را بهعنوان درهایی هیجان‌انگیز توصیف کرد: ماجرا تنها دربارهٔ آنچه می‌گوییم نیست، بلکه دربارهٔ سرعتی است که آن را می‌گوییم و اینکه چگونه این سرعت میتواند تغییرات شناختی را فاش کند.
پیامدها برای عمل بالینی و فناوری
اگر این نتایج در مطالعات طولی معتبر شناخته شوند، اندازه‌گیری نرخ گفتار میتواند افزوده‌ای کم‌هزینه و غیرتهاجمی به غربالگری شناختی باشد. ضبطهای سادهٔ صوتی که در جلسه‌های معمول کلینیک یا از طریق اپلیکیشنهای هوشمند جمع‌آوری می‌شوند میتوانند افراد را برای آزمایش‌های تکمیلی، ارزیابیهای بیومارکری یا مداخلات پیشگیرانه پرچم‌گذاری کنند. این رویکرد به ویژه در تنظیم‌های بالینی با منابع محدود میتواند مفید باشد، زیرا نیاز به تجهیزات گران‌قیمت یا زمان طولانی آزمون را کاهش میدهد.
با این حال، متخصصان هشدار می‌دهند که نباید از همبستگی‌های مقطعی بیش از حد تعبیر کرد. بالا بودن سطح تاو یا آمیلوئید تضمینی برای پیشرفت به دمانس نیست: بسیاری از افراد با این پاتولوژی‌ها برای سال‌ها از نظر شناختی پایدار می‌مانند. بنابراین پیگیری طولی برای دانستن اینکه آیا گفتار کند واقعاً پیش‌بینی‌کنندهٔ افرادی است که دچار افت شناختی خواهند شد، ضروری است. مطالعات طولی همچنین میتوانند نشان دهند که چه تغییراتی در گفتار زودتر و با چه شدتی قابل تشخیص هستند.
با این وجود، همگرایی نشانگرهای رفتاری گفتار، تصویربرداری عصبی و تحلیل‌های صوتی مبتنی بر هوش مصنوعی یک مسیر ترجمه‌ای امیدوارکننده ایجاد می‌کند: ضبط گفتار خودانگیخته را ارزیابی کنید، الگوها را با بیومارکرها (آمیلوئید، تاو) همبسته سازید و از مدلهای پیشبینی برای تعیین اولویت افرادی که نیاز به ارزیابی دقیق‌تر دارند استفاده کنید. این زنجیرهٔ تبدیل میتواند به تعیین پروتکل‌های غربالگری مبتنی بر گفتار منجر شود که با سایر ابزارهای بالینی و تصویربرداری یکپارچه می‌شوند.
دیدگاه کارشناسان
"گفتار یکی از طبیعی‌ترین و در دسترس‌ترین راه‌ها برای بررسی شناخت است،" می‌گوید دکتر مایا تامپسون، روان‌شناس نوروسایکولوژیک بالینی و پژوهشگر شناخت. "برخلاف باتری‌های طولانی نوروسایکولوژیک، یک گفتگوی کوتاه ضبط‌شده میتواند سرعت پردازش، دسترسی واژگانی و الگوهای تردید را نشان دهد. اگر بتوانیم آن ضبط‌ها را استاندارد کنیم، آنها را در برابر نتایج طولی اعتبارسنجی کنیم و با بیومارکرها ترکیب کنیم، گفتار میتواند به سیگنال هشدار اولیهٔ عملی برای پزشکان و بیماران تبدیل شود."
دکتر تامپسون بر اعتبارسنجی دقیق تأکید می‌کند: "ما هنوز به گروه‌های بزرگ و متنوع و پیگیری طولانی‌مدت نیاز داریم تا پیری طبیعی را از فرایندهای زودهنگام بیماری جدا کنیم. اما مسیر پیش رو روشن است: تحلیل گفتار را با ابزارهای بالینی و تصویربرداری موجود یکپارچه کنید." این یک دعوت به همکاری میان نورولوژی، روان‌شناسی و علم دادهها است تا ابزارهایی قابلاعتماد و قابل‌پهنا برای تشخیص زودهنگام توسعه یابند.
گام بعدی پژوهش کجا خواهد بود
مطالعات بلندمدت در دست اجرا هستند تا مشخص کنند آیا افرادی که نرخ گفتار کندتر و مکث‌های بیشتر نشان می‌دهند واقعاً با نرخ بالاتری به دمانس پیشرفت میکنند یا خیر. پژوهشگران همچنین برنامه دارند تا مشخص کنند کدام جنبه‌های گفتار بیشترین پیشگویی را دارند: نرخ کلی گفتار، فراوانی و طول مکثها، عدمروانیها، ویژگی‌های طیفی صدا، یا ترکیبی از این سیگنال‌ها. تحلیل‌های چندبعدی که ویژگی‌های زمانی، آکوستیکی و زبانی را ترکیب میکنند احتمالاً بهترین عملکرد پیشبینی را ارائه خواهند داد.
علاوه بر این، گسترش مجموعه‌داده‌ها برای دربرگرفتن گویشها و زبان‌های متعدد، گروه‌های سنی متفاوت و سطوح آموزشی متنوع برای ساخت ابزارهای مقاوم و قابل‌تعمیم حیاتی خواهد بود. مدلهای هوش مصنوعی باید از سوگیری فرهنگی یا زبانی اجتناب کنند؛ چیزی که در یک زبان بهعنوان یک مکث طبیعی شناخته می‌شود ممکن است در زبان دیگر غیرعادی تلقی شود. لذا طراحی مجموعهدادههای متوازن و فرآیندهای اعتبارسنجی بین‌فرهنگی از اولویت‌های مهم است.
در حال حاضر، تحلیل گفتار در تقاطع نورولوژی، روان‌شناسی و علم داده قرار دارد — روشی امیدوارکننده و کم‌هزینه برای تشخیص تغییرات ظریف مغزی قبل از آنکه در آزمونهای مرسوم آشکار شوند. مطالعهٔ دانشگاه تورنتو در 2023 و کارهای بعدی از استنفورد و مراکز دیگر نشان می‌دهند که گفتار تنها وسیلهٔ ارتباط نیست؛ بلکه میتواند سیگنالی تشخیص‌دهندهٔ زودهنگام باشد که به پزشکان و سالمندان کمک می‌کند زودتر از وضعیت سلامت مغز آگاه شوند و اقدامات محافظتی یا تشخیصی مناسب را برنامه‌ریزی کنند.
ادغام تحلیل گفتار با سنجش بیومارکرها مانند آمیلوئید و تاو، تصویر درمانی و مطالعات طولی پویا میتواند به بهبود دقت غربالگری، کاهش زمان تشخیص و افزایش دسترسی به مراقبت‌های پیشگیرانه منجر شود. پژوهش در این حوزه بیش از هر زمان دیگری نشان میدهد که بررسی گفتار، همراه با فناوری‌های نوین تحلیل صوت و تصویربرداری عصبی، یکی از مسیرهای امیدبخش در پیشگیری و تشخیص زودهنگام بیماری‌های تخریب‌کنندهٔ شناختی است.
منبع: sciencealert
نظرات
دیتاپالس
واقعا شوکه شدم؛ اینکه سرعت حرف زدن می‌تونه هشدار باشه، عجیب ولی امیدوارکننده‌ست… باید بیشتر تحقیق شه
ارسال نظر