德雷塞爾大學新研究：用 GPT-3 分析日常語音，80% 準確率篩查阿茲海默症

大家都在用 ChatGPT 寫週報、編段子或者改程式碼，但有一群研究人員正試著用它背後的模型來救命。

阿茲海默症最讓人棘手的地方，就是早期症狀往往非常隱蔽。等病人被確診時，大腦退行性病變通常已經很嚴重了。

來自德雷克塞爾大學生物醫學工程學院的研究團隊在《PLOS Digital Health》期刊上發表了一項新研究。他們發現，OpenAI 的 GPT-3 模型能從日常自發對話的文字記錄中，以 80% 的準確率提前發現失智症的早期苗頭。

從說話用詞裡抓蛛絲馬跡

很多人以為排查阿茲海默症只能去醫院做複雜的神經檢查，或者靠醫生聽病人說話時的停頓、語調和嗓音變異。但這套傳統聲學分析的門檻並不低。

德雷克塞爾大學的研究者換了一條路。他們注意到，60% 到 80% 的失智症患者在早期都會出現語言障礙，比如突然卡殼、出現語法錯誤、發音打結，或者想不起某個常用詞是什麼意思。

論文第一作者 Felix Agbavor 和通訊作者 Hualou Liang 教授決定測試自然語言處理在其中的作用。他們拿到了由美國國家衛生研究院（NIH）支援建立的一批自發語音轉錄文本。

研究團隊讓 GPT-3 從這些文本中提取詞彙搭配、句式結構和語義特徵，生成專門反映語言退化特質的「文本嵌入」畫像。

隨後，他們用這套畫像重新微調程式，讓它來給幾十位受試者的轉錄文本做盲測，判斷誰正在患上阿茲海默症。

結果顯示，GPT-3 不僅準確識別出了 80% 的早期痴呆樣本，在區分健康人和阿茲海默症患者時，表現全面壓過了另外兩款主流的自然語言處理模型，漏診率也更低。

在另一項測試中，研究人員還讓 GPT-3 預測患者在簡易精神狀態檢查（MMSE）中的實際得分。結果很驚人：基於 GPT-3 文本分析的預測準確率，比單獨分析停頓、聲強等純聲學特徵高出近 20%。

目前該團隊正計劃把這套演算法做成一個網頁工具，讓人們在家裡或者診所就能完成初步篩查。

為什麼重要

我們認為這項研究最大的價值，在於它給早期篩查大幅降了門檻。

以往懷疑阿茲海默症，要做漫長的認知量表，耗時耗力，很多老人往往拖到生活不能自理才去醫院。如果未來只要對著網頁或手機自然說幾分鐘話，轉錄成文字後就能給出一個相對靠譜的風險預警，哪怕準確率是 80%，也能把海量潛在患者更早推向專業神經科門診。

對整個 AI 醫療行業來說，這也是一個很有啟發意義的解題思路。過去幾年大家都在卷專門的醫療垂直小模型，但德雷克塞爾大學這項實驗證明，經過海量網際網路文本預訓練的通用大語言模型，對人類語言細微結構的感知力，甚至比專為語音設計的傳統工具更敏銳。

不過看起來它距離真正的臨床診斷還有一段距離。80% 的準確度做預篩查合格，但絕對不能當成確診依據，否則誤診帶來的心理負擔和漏診風險都不可忽視。接下來的關鍵，就看這個團隊能不能在更大規模、更多樣化的真實人群對話中，守住這個準確率。