Kan AI diagnosticere tidlig stadie af Alzheimer ved hjælp af subtile ændringer i talemønstre ?

Tidlig påvisning af Alzheimers sygdom forbliver udfordrende på grund af subtile kognitive forandringer, der går forud for kliniske symptomer. Taleanalyse tilbyder en ikke-invasiv metode til at identificere lingvistiske biomarkører forbundet med tidlig neural tilbagegang. AI-modeller bliver trænet på store datasæt med talt sprog fra patienter, der senere er blevet diagnosticeret med Alzheimers. Lingvistiske træk som ordfindingspauser, gentagelser og syntaktisk kompleksitet kan tjene som prædiktive indikatorer. Denne tilgang kan muliggøre tidligere indgriben og personlige plejeplaner.

Nuværende talebaseret AI kan opdage subtile lingvistiske markører forbundet med tidlig Alzheimers – såsom øget tøven, reduceret syntaktisk kompleksitet og ordfindingspauser – med rapporterede nøjagtigheder i 70–85%-området i små forskningskohorter; store sprogmodeller er endnu ikke certificeret som diagnostiske værktøjer, og ydeevnen varierer bredt på tværs af sprog og patientpopulationer. Regulatorisk godkendte systemer er begrænsede, så disse metoder anvendes hovedsageligt i forskning eller som supplementære screeningshjælpemidler snarere end selvstændige diagnostiske tests. Da modeller er følsomme over for optagelsesforhold og demografiske skævheder, er ekstern validering i virkelige omgivelser undervejs.

— Opdateret 12. maj 2026 · Kilde: Alzheimer’s Association — https://www.alz.org/research/our_research/technology/early-detection-speech