طوّر فريق بحثي صيني نظام ذكاء اصطناعي يمكنه الكشف عن الاضطرابات العصبية من خلال تحليل الكلام بدقة تتجاوز 90%.
ويحمل النظام اسم CTCAIT، ويلتقط أنماطًا دقيقة في الصوت قد تكشف عن الأعراض المبكرة لأمراض عصبية، مثل: باركنسون (Parkinson disease)، وهنتنغتون (Huntington disease)، ومرض ويلسون (Wilson disease).
ويحلل النظام الجديد خصائص صوتية دقيقة ويستعين بآليات الانتباه لاكتشاف التغييرات والاضطرابات في الصوت عبر الزمن، مما يجعله شديد الدقة.
ويُسلط نجاح هذا النظام الضوء على الكلام كأداة واعدة للتشخيص المبكر غير الجراحي والمُيسّر لمتابعة الحالات العصبية المختلفة.
نظام CTCAIT واكتشاف الاضطرابات العصبية
يُعد عُسر النطق (Dysarthria) واحدًا من الأعراض المبكرة الشائعة للعديد من الاضطرابات العصبية، ولأن بعض المشكلات الأخرى في طريقة الكلام غالبًا ما تعكس عمليات تنكس عصبي كامنة، برزت الإشارات الصوتية كمؤشرات حيوية غير جراحية وواعدة للفحص المبكر والمتابعة المستمرة لتلك الحالات.
لكن مشكلة الطرق التقليدية في تحليل الكلام تكمن في الاعتماد المفرط على الخصائص المُستخرجة يدويًا، وضعف القدرة على نمذجة التغييرات في الصوت عبر الزمن، بالإضافة إلى محدودية القدرة على تقديم تفسيرات واضحة.
ولمواجهة هذه التحديات، طوّر فريق بحثي بقيادة الأستاذ LI Hai في معهد التكنولوجيا الصحية والطبية التابع للأكاديمية الصينية للعلوم (Chinese Academy of Sciences) نظام تعلم عميق مبتكرًا، يُسمى Cross-Time and Cross-Axis Interactive Transformer (CTCAIT) لتحليل الصوت واكتشاف التغييرات المتعددة. وقد حسّن بنحو ملحوظ دقة وقابلية الكشف عن الاضطرابات العصبية من خلال الكلام.
ويبدأ النظام باستخدام نموذج صوتي متقدم لاستخراج السمات الدقيقة من الكلام (مثل: الترددات الدقيقة، والتغيرات في النبرة، والاهتزازات، والسرعة، والإيقاع)، ثم يستعين بشبكة Inception Time لالتقاط التغييرات في خصائص الصوت. ومن خلال آليات الانتباه المتعددة الرؤوس (Multi-head Attention)، يستطيع CTCAIT التقاط السمات المَرضية المميزة في الكلام.
وبهذه الطريقة يمكن للنظام الجديد التمييز بين الكلام الطبيعي والكلام الذي يحمل علامات مرضية (مثل: رعشة الصوت في مرض باركنسون).
وحقق هذا النظام دقة اكتشاف بلغت 92.06% على مجموعة بيانات صينية، وبلغت 87.73% على مجموعة بيانات خارجية باللغة الإنجليزية؛ مما يدل على قوته وإمكانية استخدامه لتحليل بيانات صوتية متعددة اللغات. وقد نُشرت الدراسة الخاصة باختبار النموذج وآلية عمله في مجلة Neurocomputing.
