فناوری مبتنی بر هوش مصنوعی به شناسایی نشانگرهای زیستی و ثبت پیشرفت اسکلروز جانبی آمیوتروفیک (ALS) در یک مطالعه بزرگ گفتاری که توسط EverythingALS انجام شده است ، کمک می کند. این فناوری که توسط Modality.ai توسعه یافته است ، یک برنامه کامپیوتری مبتنی بر وب است که از ضبط های صوتی (گفتاری) و تصویری (صورت) برای ارزیابی خودکار وضعیتهای عصبی از طریق الگوریتم های هوش مصنوعی و یادگیری ماشینی استفاده می کند.

بزرگترین مزیت آن این است که می توان داده ها را از راه دور در خانه در هر دستگاه رایانه ای با کمک دستیار مجازی به نام "Tina" جمع آوری کرد. این برای افراد مبتلا به ALS که اغلب به دلیل ضعف عضلانی دارای تحرک محدودی هستند مهم است ، که ممکن است بر توانایی آنها برای شرکت در مطالعات بالینی تأثیر بگذارد.

نشانگرهای زیستی به پزشکان در تشخیص کمک می کنند. آنها همچنین ممکن است تصویر دقیقی از روند احتمالی بیماری در فرد ارائه دهند و به انتخاب بیمار برای مطالعات بالینی کمک کنند.  مشکلات گفتاری ناشی از مشکلات بیان صداهای گفتاری شایع و از اولین علائم ALS است.

نشانگرهای زیستی مشخص شده در مطالعه گفتار EverythingALS ممکن است به تشخیص زودتر کمک کرده و پشتیبانی از مطالعات بالینی را تسریع کند. این سازمان غیرانتفاعی به دنبال بزرگسالان مبتلا به ALS تشخیص داده شده یا مشکوک و همچنین داوطلبان سالم برای شرکت در مطالعه گفتار است که تا کنون بیش از 650 نفر را شامل شده است. افراد ممکن است در این مطالعه شرکت کنند که آیا گفتار آنها عادی است یا دچار ALS شده است.

از شرکت کنندگان خواسته می شود که حدود 20 دقیقه در هفته در کارهایی مانند خواندن جملات با سرعت مناسب برای اندازه گیری سرعت صحبت و تولید صداهای مختلف صرف کنند. همه داده های جمع آوری شده محافظت می شوند و به صورت ناشناس ذخیره می شوند. نتایج نشان داده است که تعدادی از معیارهای گفتاری و بصری-مانند میزان گفتار ، مدت زمان ، و صدا ، و همچنین حرکات لب و فک-بین کنترل سالم ، بیماران پیش از علامت و بیماران علامت دار تفاوت معناداری دارد.

201000620.257