새로운 연구는 드렉셀 대학교(Drexel University)의 생물 의학 공학, 과학 및 건강 시스템 학교에서 나왔다. OpenAI의 GPT-3 프로그램이 치매 초기 단계를 예측하는 데 80% 정확한 자발적인 말의 단서를 식별할 수 있음을 입증했다.

이 연구는 저널 PLOS Digital Health에 게재되었다.

언어 진단 프로그램 사용

많은 사람들에게 알츠하이머병 진단의 어려움은 만능 검사가 없다는 것이었지만, 새로운 연구는 치매와 관련된 증상을 신속하게 선별할 수 있는 효과적인 방법을 제공하는 언어 진단 프로그램을 도입함으로써 치료사들에게 희망을 주고 있다. 단어나 그 의미를 잊어버리기 위해 말하기와 자신을 적절하게 표현하는 데 어려움이 있다. 이러한 테스트는 조기 진단을 그 어느 때보다 간단하게 만들 수 있다.

Hualou Liang 박사는 드렉셀 대학교(Drexel University)의 생명 공학, 과학 및 건강 시스템 학교 교수이자 연구의 공동 저자이다.

"우리는 진행 중인 연구를 통해 알츠하이머병의 인지 효과가 언어 생산에서 나타날 수 있다는 것을 알고 있다."라고 Liang은 말했다. “알츠하이머병의 조기 발견을 위해 가장 일반적으로 사용되는 테스트는 상태 테스트 외에도 일시 중지, 조음 및 음성 품질과 같은 음향 기능을 살펴본다. 그러나 우리는 자연어 처리 프로그램의 개선이 알츠하이머병의 조기 식별을 지원하는 또 다른 경로를 제공한다고 믿는다”

OpenAI의 GPT-3

OpenAI의 GPT(General Pretrained Transformer)의 세 번째 반복인 GPT-3은 딥 러닝의 힘을 활용하여 언어 작업을 혁신했다. GPT-3는 단어가 어떻게 사용되고 결합되는지 강조하는 온라인 소스의 다양한 데이터에 대해 훈련된 이 알고리즘을 통해 질문에 대한 응답에서 시 또는 에세이 작성에 이르기까지 인간이 만든 것과 비슷한 응답을 생성한다.

Felix Agbavor는 논문의 박사 연구원이자 주 저자이다.

Agbavor는 "언어 분석 및 생성에 대한 GPT3의 체계적인 접근 방식은 치매 발병을 예측할 수 있는 미묘한 음성 특성을 식별하는 유망한 후보이다"고 말했다. "일부는 알츠하이머 환자와 관련된 대규모 인터뷰 데이터 세트로 GPT-3를 교육하면 향후 환자의 마커를 식별하는 데 적용할 수 있는 음성 패턴을 추출하는 데 필요한 정보를 제공할 것이다."

연구자들은 미국 국립보건원(NIH)의 지원으로 생성된 음성 녹음 데이터 세트의 일부에서 가져온 일련의 기록으로 프로그램을 교육함으로써 그들의 이론을 테스트했다. 이 성적표는 특히 자연어 처리(NLP) 프로그램이 치매를 예측하는 능력을 테스트하기 위한 목적으로 작성되었다. 이 프로그램은 텍스트에서 단어 사용, 문장 구조 및 의미의 특정 특성을 캡처하여 "임베딩" 또는 알츠하이머 발화의 특성 프로파일을 생성하는 데 도움을 주었다.

알츠하이머 선별검사 기계 만들기

그런 다음 팀은 임베딩으로 프로그램을 재교육하여 알츠하이머병 선별 기계로 전환했다. 이 프로그램은 각각이 알츠하이머병을 앓고 있는 사람의 것인지 여부를 결정하기 위해 데이터 세트에서 수십 개의 성적표를 검토하여 테스트되었다.

이 그룹은 GPT-3가 알츠하이머 사례를 정확하게 식별하고, 알츠하이머가 아닌 사례를 식별하고, 누락된 사례가 적다는 측면에서 다른 두 개의 상위 NLP 프로그램보다 더 나은 성능을 보였다는 것을 발견했다.

두 번째 테스트는 GPT-3의 텍스트 분석을 사용하여 치매의 중증도를 예측하기 위한 공통 테스트에서 데이터 세트의 다양한 환자 점수를 예측한다. 이 일반적인 테스트를 Mini-Mental State Exam(MMSE)이라고 한다.

GPT-3의 예측 정확도는 MMSE 점수를 예측하기 위해 일시 중지, 음성 강도 및 슬러링을 포함하는 녹음의 음향 특성만을 사용하여 분석한 것과 비교되었다. GPT-3는 환자의 MMSE 점수를 예측하는 데 약 20% 더 많은 정확도를 달성할 수 있었다.

"우리의 결과는 GPT-3에 의해 생성된 텍스트 임베딩이 건강한 대조군에서 알츠하이머병에 걸린 개인을 감지하는 데 안정적으로 사용될 수 있을 뿐만 아니라 음성 데이터만을 기반으로 피험자의 인지 테스트 점수를 추론하는 데 안정적으로 사용될 수 있음을 보여준다." “우리는 또한 텍스트 임베딩이 기존의 음향 특징 기반 접근 방식을 능가하고 심지어 미세 조정된 모델과도 경쟁적으로 수행됨을 보여준다. 이러한 결과는 모두 GPT-3 기반 텍스트 임베딩이 알츠하이머병 평가를 위한 유망한 접근 방식이며 치매의 조기 진단을 개선할 수 있는 잠재력이 있음을 시사한다.”

연구원들은 이제 집이나 병원에서 사전 검사 도구로 사용할 수 있는 웹 애플리케이션을 개발할 계획이다.

Liang은 "우리의 개념 증명은 이것이 커뮤니티 기반 테스트를 위한 간단하고 액세스 가능하며 적절하게 민감한 도구가 될 수 있음을 보여준다."고 말했다. "이것은 임상 진단 전에 조기 선별 및 위험 평가에 매우 유용할 수 있다."