1. 首頁 > 健康養生 > >

讓“記憶的橡皮擦”擦慢一點( 四 )

健康知識養生常識


此外 ， 科學家們還利用腸道細菌、氧氣等來治療阿爾茨海默病 。 不過 ， 他們也表示 ， 這些潛在療法即便被證明有效 ， 距離大規模推廣還有幾年 。
傳感器檢測
在首次出現臨床癥狀之前 ， 阿爾茨海默病有15-20年的無癥狀期 。 一個研究小組利用在德國波鴻魯爾大學開發的免疫紅外傳感器 ， 最早可在臨床癥狀出現前17年 ， 在血液中識別出阿爾茨海默病外在癥狀的標志 。 其原理是檢測蛋白質生物標記物β淀粉樣蛋白的錯誤折疊 。
盡管這種免疫紅外傳感器仍在優化中 ， 但該技術已在全球范圍內獲得專利 。 格威特說：“我們計劃利用這種錯誤折疊測試建立一種針對老年人的篩查方法 ， 以確定他們患阿爾茨海默病的風險 。 ”
人工智能自然語言處理
傳統紙筆式神經心理量表常用于認知功能障礙患者的初篩 ， 靈敏性較差且易受測試者主觀因素的影響；同時 ， 人耳不易分辨某些聲學和語音特征 ， 如韻律和節奏等 ， 應用有一定的局限性 。 相比較而言 ， 使用人工智能自然語言處理的計算工具能更加快速、準確地分析語言的音調、響度、韻律及速率 ， 檢測詞匯、語義、句法和語音參數 ， 還可消除部分人為因素影響 。
人工智能自然語言處理可以對自發言語的音頻進行識別、處理、分析建模 ， 甚至可以分析情緒反應 ， 如早期阿爾茨海默病患者在口語表達時難以找到正確的詞語 ， 用上位詞或其他代詞所替代 ， 這通常不易發現 。 同時 ， 阿爾茨海默病患者記憶力的喪失也可能降低感受情緒的能力 ， 語言輸出也會受影響 。 以語言為重點的處理技術和性能良好的機器學習具有從語音中檢測阿爾茨海默病的價值 。
在全自動系統中 ， 音頻會通過自動語音識別并且自動轉錄 ， 對這些數據進行提取、建模 ， 并用于機器學習分類器 ， 以區分患者和健康受試者之間的條件 。 自動語音分析、移動應用程序、機器學習、算法等計算機相關工具被廣泛使用 。
本版撰文申衛峰
【讓“記憶的橡皮擦”擦慢一點】本版圖片除注明出處外 ， 均來自視覺中國