不到一分鐘揪出早期徵兆，AI 語音分析技術有望提前數年偵測阿茲海默症

科學家們正在利用人工智慧（AI）和語音分析技術，來發現阿茲海默症的早期徵兆，這些徵兆往往是傳統方法所忽略的。根據最新研究，超過 700 萬名 65 歲及以上的美國人正受到阿茲海默症的影響，隨著人口老化，這個數字預計將持續上升。及早檢測該病症將對症狀管理和患者獲得支持的速度產生重大影響。

賓州州立大學（Pennsylvania State University）的Hui Yang教授和博士研究生Kevin Mekulu正在探索如何利用AI來辨識臨床醫生可能會錯過的早期警示信號。他們的研究發表在《阿茲海默症報告期刊》（Journal of Alzheimer’s Disease Reports）和《老年神經科學前沿》（ Frontiers in Aging Neuroscience）上，重點分析日常語言中的微妙模式。透過檢查詞彙選擇、流暢度和句子結構的變化，他們的框架旨在比傳統的紙本測試更早且更一致地標記認知衰退。

這種方法有望將篩查從短暫的診所訪問轉向更快速、更易於獲得的工具，融入日常護理中。Yang教授指出，傳統的癡呆篩查工具通常是基於紙本的，主觀性強且資源密集，需耗費10至15分鐘的工作時間，且對微妙的認知變化缺乏敏感性。

隨著美國面臨老年專科醫生短缺的挑戰，約每1萬名老年患者僅有一名老年醫生，且高流動率的護理人員使得可擴展的AI解決方案變得迫在眉睫。研究團隊的框架使用可解釋的語音生物標記，捕捉微妙的語言變化和認知衰退，能在傳統工具之前數年內提供客觀且非侵入性的篩查，且僅需不到一分鐘的時間。

Mekulu補充道，當前大多數醫療保健中使用的AI模型是靜態的，僅根據輸入生成輸出。而代理AI則是能夠獨立計劃和執行複雜任務的系統，無需人類監督。這種系統能隨時間推移進行推理，調整行為，並與患者或臨床醫生進行動態互動。

這項研究不僅是對測試的評分，而是引導篩查互動，根據個體的反應調整提示，並將多種信號（如語言模式、任務表現和背景因素）整合到一致的評估中。這樣的轉變使得篩查不再是一次性的測量，而是一個不斷演變的過程，更好地反映患者的認知衰退情況。

Yang教授強調，語音是人類產生的最具資訊密度的行為之一，涉及記憶、注意力、語言、執行功能和運動計劃等多個認知系統，這些系統在神經退行性疾病早期就會受到影響。AI分析語音中的複雜動態和轉變，而不僅依賴主觀的臨床印象，尋找詞彙選擇、重複、流暢度變化和語言結構組織中的微妙模式，以揭示認知變化。

Mekulu指出，語音是強有力的起點，但僅是拼圖的一部分。AI還可以分析眼動模式、生理訊號、任務參與度、運動行為，甚至在解決問題任務中某人的學習或適應方式。綜合解釋這些訊號能為臨床醫生提供更全面的認知健康視圖，而不僅是某人是否通過或未通過測試。

最終，AI代理可能支持護理計畫，監測診所訪問之間的認知變化，並幫助臨床醫生辨識何時需要調整干預措施。這些系統的設計旨在減少行政負擔，突出有意義的模式，並幫助將認知護理從反應性轉變為預防性。

Yang教授表示，研究團隊正在不同人群和臨床環境中積極評估這些方法，以確保其穩健性和公平性。此外，他們還與賓州州立大學的Nicole Etter博士和賓州健康的神經心理學家Tim Brearly博士合作，探討如何將這些工具整合到輔助生活和記憶護理環境中，以便對患者和臨床醫生都實用。這些環境通常是微妙的認知變化首次出現的地方，但客觀篩查工具卻很少大規模使用。研究團隊的目標是透過在現實護理環境中驗證這些方法，縮小學術研究與日常臨床決策之間的差距。