AI detectează modele de vorbire cu autism în diferite limbi

Rezumat: Algoritmii de învățare automată îi ajută pe cercetători să identifice modele de vorbire la copiii cu autism care sunt consecvente între diferite limbi.

sursă: Universitatea Northwestern

Un nou studiu condus de cercetătorii de la Northwestern University a folosit învățarea automată – o ramură a inteligenței artificiale – pentru a identifica tiparele de vorbire la copiii cu autism care erau în concordanță între engleză și cantoneză, sugerând că caracteristicile de vorbire pot fi un instrument util pentru diagnosticarea afecțiunii.

Realizat cu colaboratori din Hong Kong, studiul a oferit perspective care ar putea ajuta oamenii de știință să facă distincția între factorii genetici și de mediu care modelează abilitățile de comunicare ale persoanelor cu autism, ceea ce le-ar putea ajuta să învețe mai multe despre originile afecțiunii și să dezvolte noi tratamente.

Copiii cu autism vorbesc adesea mai lent decât copiii în curs de dezvoltare tipică și prezintă alte diferențe de ton, înălțime și ritm. Dar aceste diferențe (pe care cercetătorii le numesc „diferențe accidentale”) au fost surprinzător de greu de caracterizat într-un mod consistent și obiectiv, iar originile lor au rămas neclare de zeci de ani.

Cu toate acestea, o echipă de cercetători condusă de oamenii de știință din Northwestern Molly Loach și Joseph C.Y. Lau, împreună cu colaboratorul din Hong Kong Patrick Wong și echipa sa, au folosit cu succes învățarea automată supravegheată pentru a identifica diferențele de vorbire asociate cu autismul.

Datele folosite pentru antrenamentul algoritmului au fost înregistrări ale unor tineri vorbitori de engleză și cantoneză, cu și fără autism, care spun propria lor versiune a storyboard-ului într-o carte cu imagini pentru copii fără cuvinte numită „Broasca, unde ești?”

Rezultatele au fost publicate în jurnal PLUS UNU Pe 8 iunie 2022.

Loach, o Jo-Ann J. Peter F. Dolly este profesor de dizabilități de învățare la Universitatea Northwestern.

„Dar, de asemenea, interesantă este variația pe care am observat-o, care poate indica caracteristici de vorbire mai fluide, care ar putea fi ținte bune pentru intervenție”.

Lau a adăugat că folosirea învățării automate pentru a identifica elementele cheie ale vorbirii care predicau autismul este un pas important înainte pentru cercetători, care au fost constrânși de părtinirea engleză în cercetarea autismului și a subiectivității umane atunci când vine vorba de clasificarea diferențelor de vorbire. între autişti şi non-autişti.

„Folosind această metodă, am reușit să identificăm trăsăturile de vorbire care pot prezice un diagnostic de autism”, a spus Lau, un cercetător postdoctoral care lucrează cu Loach la Departamentul de Științe și Tulburări ale Comunicării Roxlin și Richard Pepper din Northwestern.

„Cea mai notabilă dintre aceste caracteristici este ritmul. Sperăm că acest studiu va fi baza pentru lucrările viitoare privind autismul, care îmbunătățește învățarea automată.”

Cercetătorii cred că munca lor are potențialul de a contribui la o înțelegere îmbunătățită a autismului. Lau a spus că AI are potențialul de a ușura diagnosticarea autismului, ajutând la reducerea poverii profesioniștilor din domeniul sănătății, făcând diagnosticul autismului mai accesibil pentru mai mulți oameni. Ar putea oferi, de asemenea, un instrument care ar putea într-o zi să transcende culturile, datorită capacității unui computer de a analiza cuvintele și sunetele într-un mod cantitativ, indiferent de limbă.

Întrucât caracteristicile vorbirii identificate prin învățarea automată includ atât caracteristici comune englezei, cantonezei, cât și cele specifice unei singure limbi, a spus Loch, învățarea automată ar putea fi utilă pentru dezvoltarea instrumentelor care nu numai să identifice aspectele vorbirii adecvate pentru intervențiile terapeutice, ci și să măsoare. impactul acelor Intervenții prin evaluarea progresului vorbitorului în timp.

În cele din urmă, descoperirile studiului ar putea informa eforturile de identificare și înțelegere a rolului unor gene specifice și al mecanismelor de procesare a creierului implicate în susceptibilitatea genetică la autism, au spus autorii. În cele din urmă, scopul lor este de a forma o imagine mai cuprinzătoare a factorilor care formează persoanele cu diferențe de vorbire autiste.

„Una dintre rețelele cerebrale implicate este calea auditivă la nivel subcortical, care este strâns legată de diferențele în modul în care sunetele vorbirii sunt procesate în creier de către persoanele cu autism în comparație cu cele care se dezvoltă în mod obișnuit în diferite culturi”, a spus Lau.

Următorul pas va fi să se determine dacă aceste diferențe de procesare în creier conduc la modelele comportamentale de vorbire pe care le observăm aici și la neurogenetica care stă la baza acestora. Suntem încântați de ceea ce urmează.”

Vezi si

Despre această știri de cercetare pentru AI și ASD

autor: Max Wittinsky
sursă: Universitatea Northwestern
A lua legatura: Max Wittinsky – Universitatea Northwestern
imagine: Imaginea este în domeniul public

căutare originală: acces deschis.
„Modele interlingvistice ale diferențelor de vorbire în autism: un studiu de învățare automatăScrisă de Joseph C. Y. Lau et al. PLUS UNU

rezumat

Modele interlingvistice ale diferențelor de vorbire în autism: un studiu de învățare automată

Diferențele în prezentarea vorbirii sunt o caracteristică observată pe scară largă a tulburării din spectrul autismului (ASD). Cu toate acestea, nu este clar modul în care diferențele stereotipe în TSA în diferite limbi arată variații interlingvistice în prezentare.

Folosind o abordare de învățare automată supravegheată, am examinat caracteristicile vocale relevante pentru aspectele ritmice și tonale ale performanțelor derivate din mostre narative obținute în engleză și cantoneză, două limbi care sunt de obicei distincte și episodice.

Modelele noastre au dezvăluit o clasificare de succes a diagnosticului ASD folosind caracteristici relative ale ritmului în și în ambele limbi. Clasificarea cu caracteristici legate de intonație a fost importantă pentru engleză, dar nu pentru cantoneză.

Descoperirile evidențiază diferențele de tempo ca o trăsătură episodică majoră afectată de autism și, de asemenea, ilustrează o diversitate importantă de alte caracteristici generale care par a fi modelate de diferențele specifice limbajului, cum ar fi intonația.