صدای شما شاید نشان دهد با چه سرعتی پیر می‌شوید

یک ابزار جدید هوش مصنوعی که گفتار افراد را بررسی می‌کند، می‌تواند تصویری از روند پیری آنها و احتمال ابتلا به زوال عقل ارائه دهد؛ یافته‌های یک مطالعه تازه چنین احتمالی را مطرح کرده است.

این ابزار با بررسی صدها الگوی مربوط به گفتار و زبان، سن تقویمی افراد را بر اساس شیوه صحبت کردنشان تخمین می‌زند. پژوهشگران روز چهارشنبه ۳۰ سپتامبر در نشریه Science Advances گزارش دادند که در مطالعه‌ای با حضور نزدیک به ۳ هزار فرد اسپانیایی‌زبان، افرادی که سن تخمینی آنها بالاتر از سن واقعی‌شان بود، بیشتر با مشکلات شناختی، زوال عقل و نشانه‌های شتاب‌گرفتن روند پیری زیستی مواجه بودند. این افراد همچنین در مقایسه با سایر شرکت‌کنندگان، بیشتر شرایط اجتماعی و اقتصادی نامساعدی داشتند.

این ابزار تحلیل صدا شباهت زیادی به دیگر ساعت‌های پیری دارد؛ روش‌هایی که با استفاده از نشانگرهای مختلف زیستی، احتمال ابتلای افراد به بیماری‌های مرتبط با افزایش سن را تخمین می‌زنند.

آدولفو گارسیا، یکی از نویسندگان مطالعه و مدیر مرکز علوم اعصاب شناختی دانشگاه سن آندرس در آرژانتین، گفت

ساعت‌های پیری موجود بسیار قدرتمند هستند، اما بسیاری از آنها به اسکن مغز یا آزمایش خون وابسته‌اند؛ روش‌هایی که پرهزینه، تهاجمی یا دشوار برای تکرار منظم هستند. تمام این محدودیت‌ها را می‌توان با استفاده از گفتار برطرف کرد.

با این حال، متخصصان می‌گویند این روش پیش از آنکه برای ارزیابی خطر ابتلای افراد به زوال عقل مورد استفاده قرار گیرد، همچنان باید در طول زمان و روی زبان‌های دیگر آزمایش شود.

ساعت گفتاری چگونه کار می‌کند

پژوهشگران از داده‌های کنسرسیوم ReD-Lat استفاده کردند؛ پروژه‌ای گسترده درباره تحقیقات زوال عقل در آمریکای لاتین. این تحلیل بیش از ۲۹۰۰ فرد اسپانیایی‌زبان از آرژانتین، شیلی، کلمبیا، مکزیک و پرو را دربر گرفت و سن شرکت‌کنندگان بین ۱۸ تا ۸۸ سال بود. حدود ۱۵۰۰ نفر از نظر شناختی سالم بودند و سایر افراد به اختلال شناختی خفیف، بیماری آلزایمر یا زوال عقل پیشانی‌گیجگاهی مبتلا بودند. اختلال شناختی خفیف معمولاً با مشکلات جزئی حافظه و دشواری در تفکر همراه است.

هر شرکت‌کننده هفت فعالیت را انجام داد. از جمله این فعالیت‌ها می‌توان به توضیح دادن یک ویدئوی پویانمایی، نام بردن از بیشترین تعداد واژه، سبزیجات یا حیوانات در مدت ۶۰ ثانیه و بازگویی یک داستان کوتاه بلافاصله پس از شنیدن آن و سپس تکرار داستان ۲۰ تا ۳۰ دقیقه بعد اشاره کرد.

دانشمندان صدای افراد را ضبط کردند، فایل‌های صوتی را به متن تبدیل کردند و سپس بیش از ۷۰۰ ویژگی متفاوت را از این نمونه‌ها استخراج نمودند. مکث‌ها، سرعت صحبت کردن، زیر و بمی صدا، دایره واژگان و نحوه بیان احساسات از جمله این ویژگی‌ها بودند.

در مرحله بعد، پژوهشگران با استفاده از این ویژگی‌ها و سن واقعی شرکت‌کنندگان، یک مدل یادگیری ماشینی آموزش دادند تا بتواند سن افراد را از روی شیوه صحبت کردن آنها تخمین بزند. مدل برای هر فرد یک سن پیش‌بینی‌شده ارائه داد و محققان آن را با سن واقعی شخص مقایسه کردند. اختلاف میان این دو عدد، چیزی بود که پژوهشگران آن را فاصله سنی گفتاری نامیدند.

نتایج نشان داد در برخی افراد، الگوی گفتار از نظر هوش مصنوعی پیرتر از چیزی به نظر می‌رسید که با سن واقعی آنها انتظار می‌رفت. افراد سالم از نظر شناختی کمترین فاصله میان سن واقعی و سن برآوردشده توسط هوش مصنوعی را داشتند، در حالی که این فاصله در افراد مبتلا به اختلال شناختی خفیف یا زوال عقل بیشتر بود. بیشترین اختلاف نیز در افراد مبتلا به نوع زبانی زوال عقل پیشانی‌گیجگاهی مشاهده شد؛ نوعی بیماری که عمدتاً توانایی برقراری ارتباط را تحت تأثیر قرار می‌دهد.

افرادی که صدایشان پیرتر به نظر می‌رسید، در آزمون‌های مختلف حافظه، زبان و توجه نیز عملکرد ضعیف‌تری داشتند و برای انجام فعالیت‌های روزمره با مشکلات بیشتری روبه‌رو بودند.

آزمایش‌های خون نیز الگوی مشابهی را نشان دادند. فاصله سنی گفتاری بیشتر با شتاب بالاتر روند پیری در سه ساعت اپی‌ژنتیکی ارتباط داشت. این ساعت‌ها سن زیستی فرد را با بررسی برچسب‌های شیمیایی قرارگرفته روی DNA تخمین می‌زنند. این نشانگرهای اپی‌ژنتیکی بر فعال شدن ژن‌ها و میزان فعالیت آنها اثر می‌گذارند. در میان افراد مبتلا به آلزایمر نیز فاصله سنی گفتاری بیشتر با سطح بالاتر پروتئین p-tau217 ارتباط داشت؛ پروتئینی که با این بیماری مرتبط است.

فاصله سنی گفتاری بالاتر همچنین با عوامل مختلف مرتبط با خطر زوال عقل همبستگی داشت. مشکلات مالی، ناامنی غذایی، دسترسی محدود به خدمات درمانی، تجربه دوران کودکی دشوار و سطح تحصیلات پایین‌تر از جمله این عوامل بودند. به گفته آدولفو گارسیا، این الگو در هر پنج کشور مشاهده شد و تفاوت‌های اجتماعی و فرهنگی میان آنها تغییری در این ارتباط ایجاد نکرد.

محدودیت‌های ساعت گفتاری

مانیشا پارولکار، معاون مرکز اختلال حافظه و سلامت مغز در مرکز پزشکی دانشگاه هکنسک در نیوجرسی که در این پژوهش مشارکت نداشت، این روش را گامی بزرگ برای دسترس‌پذیرتر شدن ارزیابی سلامت مغز برای عموم مردم دانست.

او گفت

ساعت گفتاری یک گوی جادویی برای پیش‌بینی آینده نیست. صدای انسان به‌شدت نسبت به وضعیت کلی سلامت و رفاه فرد حساس است و همین موضوع باعث می‌شود گفتار یک شخص صرفاً به دلیل افسردگی شدید، خستگی یا درگیری با فشار روانی جدی، پیرتر از سن واقعی به نظر برسد. به عنوان پزشک، من از این ابزار به تنهایی برای تشخیص قطعی زوال عقل در یک فرد استفاده نمی‌کنم.

او پیشنهاد کرد این شاخص گفتاری می‌تواند در کنار روش‌های دیگر به عنوان ابزاری کمکی مورد استفاده قرار گیرد تا پزشکان را به بررسی دقیق‌تر وضعیت شناختی بیمار ترغیب کند. در این مطالعه، بسیاری از شرکت‌کنندگان تنها در یک مقطع زمانی ارزیابی شدند و برای مدت طولانی تحت نظر قرار نگرفتند. بنابراین پژوهشگران هنوز نمی‌توانند مشخص کنند آیا صدای پیرتر می‌تواند کاهش شناختی آینده فرد را پیش‌بینی کند یا خیر. همچنین مشخص نیست برخی تغییرات صوتی دقیقاً همزمان با پیشرفت زوال عقل رخ می‌دهند یا نه.

محدودیت دیگر این پژوهش آن است که مدل مورد استفاده فقط روی افراد اسپانیایی‌زبان از پنج کشور آمریکای لاتین آموزش داده و آزمایش شده است. مانیشا پارولکار گفت

نمی‌توانیم مدل اسپانیایی را برداریم و زبان انگلیسی را مستقیماً داخل آن قرار دهیم. ویژگی‌های وابسته به هر زبان باید برای جمعیت‌های دیگر سازگار شوند و سپس مورد آزمایش قرار گیرند.

پژوهشگران اکنون قصد دارند این روش را روی زبان‌های دیگر نیز آزمایش کنند و افراد را برای مدت طولانی‌تری تحت نظر بگیرند تا مشخص شود آیا تغییرات گفتاری می‌توانند نشانه‌ای از کاهش شناختی در آینده باشند یا خیر. آدولفو گارسیا گفت

من واقعاً باور دارم که در گفتار، سیگنال بسیار قدرتمندی برای پیش‌بینی زوال عقل و تبدیل وضعیت شناختی در آینده وجود دارد، اما برای اثبات آن به مطالعات بسیار بیشتر و متنوع‌تری نیاز داریم.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.