Nová studie vedená vědci z Northwestern University analyzovala pomocí strojového učení řečové vzorce u dětí s autismem, hovořících anglicky a kantonským dialektem čínštiny. Bylo zjištěno, že tyto vzorce byly v angličtině a kantonštině shodné, což naznačuje, že by mohly být užitečným nástrojem pro diagnostiku autismu.
Studie by mohla vědcům pomoci odlišit genetické a environmentální faktory, které utvářejí komunikační schopnosti lidí s autismem. To by mohlo přinést další poznatky o původu tohoto onemocnění a vyvinout nové terapie.
Posun v diagnostice autismu
Děti s autismem často mluví pomaleji než běžně se vyvíjející děti a vykazují další rozdíly ve výšce hlasu, intonaci a rytmu řeči. Tyto rozdíly (vědci je nazývají "prozodické rozdíly") je však překvapivě obtížné objektivně charakterizovat, jejich původ byl po desetiletí nejasný.
K tréninku algoritmu byly použity nahrávky anglicky a kantonsky mluvících dětí s autismem a bez něj, které vlastními slovy vyprávěly příběh, zobrazený v dětské obrázkové knížce s názvem „Žabáku, kde jsi?". Výsledky publikoval magazín PLOS One 8. června 2022.
Využití strojového učení k identifikaci prvků řeči, které jsou charakteristické pro autismus, představuje v diagnostice autismu významný krok vpřed: až dosud byli odborníci omezeni pro výzkumníky, kteří byli ve výzkumu autismu omezeni přirozenou subjektivitou názoru, pokud šlo o vyhodnocení rozdílů mezi řečí lidí, trpících autismem, a zdravých jedinců.
Pomocí strojového učení se tedy podařilo identifikovat rysy řeči, které mohou naznačovat, že dotyčná osoba autismem trpí. Nejvýraznějším z nich je rytmus a autoři výzkumu věří, že právě tento poznatek může být základem pro následný výzkum autismu, ve kterém se se strojovým učením jednoznačně opět počítá.
Slibný základ dalšího výzkumu
Umělá inteligence má totiž potenciál usnadnit diagnostiku autismu tím, že pomůže snížit zátěž lékařů a zpřístupní diagnostiku autismu více lidem. Mohla by také poskytnout nástroj, využitelný kdekoliv na světě, díky schopnosti počítače analyzovat slova a zvuky kvantitativním způsobem bez ohledu na jazyk.
Vzhledem k tomu, že vlastnosti řeči identifikované pomocí strojového učení zahrnují jak vlastnosti společné angličtině a kantonštině, tak vlastnosti specifické pro jeden jazyk, mohlo by být strojové učení užitečné pro vývoj nástrojů, které nejen identifikují aspekty řeči vhodné pro terapeutické zásahy, ale také měří účinek těchto zásahů vyhodnocováním pokroku mluvčího v průběhu času.
V neposlední řadě by výsledky studie mohly být základem pro identifikaci a pochopení úlohy konkrétních genů a mozkových procesů, vyplývajících z genetické náchylnosti k autismu, uvedli autoři studie.
"Jednou z autismem potenciálně ovlivněných mozkových sítí je sluchová dráha na subkortikální úrovni. Ta je prokazatelně pevně spojena s rozdíly ve zpracování řeči v mozku u jedinců s autismem a bez něj, a to napříč kulturami," uvedl spoluautor studie Joseph C.Y. Lau. „Dalším krokem bude zjistit, zda tyto rozdíly ve zpracování v mozku vedou k behaviorálním vzorcům řeči, které zde pozorujeme, a jejich základní nervové genetice.”
