The Optimization of a Natural Language Processing Approach for the Automatic Detection of Alzheimer’s Disease Using GPT Embeddings

https://www.medrxiv.org/content/10.1101/2024.01.14.24301297v1

論文タイプ：プレプリント（未査読論文）

本研究の背景と関連研究：本研究は、アルツハイマー病（AD）の検出における自然言語処理（NLP）の最適化についての研究です。将来の人口の高齢化に伴い、ADの影響が増大することが予測されており、非侵襲的かつ費用効果の高い検出方法の開発は、この進行性疾患の早期予防と緩和、そして予想される世界的な影響の軽減に不可欠です。本研究では、音声処理技術と転写手法を分析し、自発的な話し言葉のNLPを用いたADの検出を最適化することを目指しています。

本研究の目的とその重要性：本研究の目的は、音声処理と転写の技術を改善し、ADの検出精度を向上させることです。ADの早期検出は、治療やケアの効果を高めるだけでなく、将来の予防策の開発にもつながります。また、非侵襲的かつ費用効果の高い検出方法の開発は、医療費の削減や患者の生活の質の向上にも寄与します。

本研究で用いた材料やデータの詳細：本研究では、音声の高品質化のためにBollスペクトル減算を使用し、最新のAIサービス（Wav2Vec、Whisper、IBM Cloud、Rev AI）と従来の手動転写方法との転写精度を評価しました。また、単語の埋め込みにOpenAIのGPTを利用し、トランスクリプトの分析と検出精度の改善において重要なサポートベクターマシン（SVM）分類器のトレーニングを強化しました。

本研究で何をどのように、どこまで明らかにした？：本研究では、AIによる転写が、ADと対照群の分類において手動転写よりも優れた性能を示すことを明らかにしました。特に、音声の品質を向上させたWav2Vecが最も高い精度とF-1スコア（両方の指標で0.99）を示し、Rev AIが音声の品質を向上させていない場合でも、クラウドベースの方法で同等の精度（両方の指標で0.96）を達成しました。また、インタビュアの発話を録音に含めることがモデルの性能に悪影響を与えることも明らかにし、ADの分類アルゴリズムのデータ品質向上のためには、そのような相互作用を除外することが求められます。さらに、本研究では、現行の形態のAI転写（クラウドおよびローカル）とNLP技術が、ADだけでなく、ADの前駆段階である軽度認知障害（MCI）や確定的なADも正確に分類できることを示しましたが、利用可能なトレーニングデータの不足が課題であることも明らかにしました。

本研究の有効性はどのように検証した？：本研究では、ADの検出精度の向上を目指して、音声処理技術と転写手法を改善し、AIによる転写とNLP技術の有効性を評価しました。具体的には、転写精度の比較や分類精度の評価などの実験を行い、AIによる転写が手動転写よりも優れた結果を示すことを確認しました。また、音声の品質やインタビュアの発話の影響など、検出精度に影響を与える要素を明らかにしました。