Umělá inteligence detekuje řečové vzorce autismu v různých jazycích

Souhrn: Algoritmy strojového učení pomáhají výzkumníkům identifikovat řečové vzorce u dětí v autistickém spektru, které jsou konzistentní mezi různými jazyky.

zdroj: Severozápadní univerzita

Nová studie vedená vědci z Northwestern University použila strojové učení – odvětví umělé inteligence – k identifikaci řečových vzorů u dětí s autismem, které byly konzistentní mezi angličtinou a kantonštinou, což naznačuje, že řečové rysy mohou být užitečným nástrojem pro diagnostiku stavu.

Studie provedená se spolupracovníky v Hongkongu přinesla poznatky, které by vědcům mohly pomoci rozlišit mezi genetickými a environmentálními faktory, které formují komunikační schopnosti lidí s autismem, což by jim mohlo pomoci dozvědět se více o původu onemocnění a vyvinout nové způsoby léčby.

Děti s autismem často mluví pomaleji než obvykle vyvíjející se děti a vykazují další rozdíly v tónu, výšce a rytmu. Ale tyto rozdíly (které výzkumníci nazývají „náhodné rozdíly“) bylo překvapivě obtížné charakterizovat konzistentním a objektivním způsobem a jejich původ zůstal po desetiletí nejasný.

Nicméně tým výzkumníků vedený vědci ze severozápadu Molly Loach a Joseph C.Y. Lau spolu s hongkongským spolupracovníkem Patrickem Wongem a jeho týmem úspěšně využili strojové učení pod dohledem k identifikaci rozdílů v řeči spojených s autismem.

Data použitá k trénování algoritmu byly nahrávky anglicky a kantonsky mluvících mladých mužů s autismem i bez něj, kteří vyprávěli svou vlastní verzi scénáře v obrázkové knížce pro děti beze slov nazvané „Žába, kde jsi?“

Výsledky byly publikovány v časopise PLUS JEDEN Dne 8. června 2022.

Loach, Jo-Ann J. Petr F. Dolly je profesorkou poruch učení na Northwestern University.

„Zajímavá je ale také odchylka, kterou jsme pozorovali, což může naznačovat plynulejší řečové rysy, které by mohly být potenciálně dobrými cíli pro intervenci.“

Lau dodal, že použití strojového učení k identifikaci klíčových prvků řeči, které předpovídaly autismus, je důležitým krokem vpřed pro výzkumníky, kteří byli omezeni anglickým předsudkem ve výzkumu autismu a lidské subjektivity, pokud jde o klasifikaci rozdílů v řeči. mezi autisty a neautisty.

„Pomocí této metody jsme byli schopni identifikovat řečové rysy, které mohou předpovědět diagnózu autismu,“ řekl Lau, postdoktorandský výzkumník spolupracující s Loachem v Roxlin and Richard Pepper Department of Communications and Disorders v Northwestern.

„Nejpozoruhodnějším z těchto rysů je rytmus. Doufáme, že tato studie bude základem pro budoucí práci na autismu, která zlepšuje strojové učení.“

Vědci věří, že jejich práce má potenciál přispět k lepšímu porozumění autismu. Lau řekl, že umělá inteligence má potenciál usnadnit diagnostiku autismu tím, že pomáhá snižovat zátěž pro zdravotníky a činí diagnostiku autismu dostupnější pro více lidí. Mohlo by to také poskytnout nástroj, který by jednoho dne mohl překonat kultury, díky schopnosti počítače analyzovat slova a zvuky kvantitativním způsobem bez ohledu na jazyk.

Vzhledem k tomu, že rysy řeči identifikované strojovým učením zahrnují jak rysy společné pro angličtinu, kantonštinu, tak rysy specifické pro jeden jazyk, řekl Loch, strojové učení by mohlo být užitečné pro vývoj nástrojů, které nejen identifikují aspekty řeči vhodné pro terapeutické intervence, ale také měří dopad těchto intervencí posouzením pokroku mluvčího v průběhu času.

Konečně, závěry studie by mohly informovat o úsilí identifikovat a porozumět roli specifických genů a mechanismů zpracování mozku, které se podílejí na genetické náchylnosti k autismu, uvedli autoři. V konečném důsledku je jejich cílem vytvořit si komplexnější obrázek o faktorech, které tvoří osoby s autistickými řečovými rozdíly.

„Jednou ze zapojených mozkových sítí je sluchová dráha na subkortikální úrovni, která úzce souvisí s rozdíly ve způsobu, jakým jsou zvuky řeči zpracovávány v mozku u jedinců s autismem ve srovnání s těmi, které se typicky vyvíjejí napříč kulturami,“ řekl Lau.

Dalším krokem bude určit, zda tyto rozdíly ve zpracování v mozku vedou ke vzorcům chování, které zde pozorujeme, ak neurogenetice, která je základem. Jsme nadšení z toho, co přijde.“

O těchto výzkumných novinkách pro AI a ASD

autor: Max Wittinsky
zdroj: Severozápadní univerzita
Kontakt: Max Wittinsky – Severozápadní univerzita
obrázek: Obrázek je ve veřejné doméně

původní hledání: otevřený přístup.
„Mezilingvistické vzorce rozdílů řeči u autismu: studie strojového učeníNapsal Joseph C. Y. Lau a kol. PLUS JEDEN

---

souhrn

Mezilingvistické vzorce rozdílů řeči u autismu: studie strojového učení

Rozdíly v řeči jsou široce pozorovaným rysem poruchy autistického spektra (ASD). Není však jasné, jak stereotypní rozdíly v ASD napříč různými jazyky ukazují mezijazykové rozdíly v prezentaci.

Pomocí přístupu strojového učení pod dohledem jsme zkoumali vokální rysy relevantní pro rytmické a tonální aspekty představení odvozené z narativních vzorků získaných v angličtině a kantonštině, dvou jazycích, které jsou typicky odlišné a epizodické.

Naše modely odhalily úspěšnou klasifikaci diagnostiky ASD pomocí relativních rysů rytmu v obou jazycích a napříč nimi. Klasifikace s rysy souvisejícími s intonací byla důležitá pro angličtinu, ale ne pro kantonštinu.

Výsledky zdůrazňují rozdíly v tempu jako hlavní symptomatický rys ovlivněný ASD a také ukazují významné rozdíly v dalších obecných charakteristikách, které se zdají být formovány jazykovými specifickými rozdíly, jako je intonace.