Czy AI może diagnozować wczesne stadium choroby Alzheimera, wykorzystując subtelne zmiany w wzorcach mowy ?

Wczesne wykrywanie choroby Alzheimera pozostaje wyzwaniem ze względu na subtelne zmiany poznawcze poprzedzające objawy kliniczne. Analiza mowy oferuje nieinwazyjną metodę identyfikacji biomarkerów językowych związanych z wczesnym pogorszeniem neurologicznym. Modele AI są szkolone na dużych zbiorach danych języka mówionego od pacjentów, u których później zdiagnozowano chorobę Alzheimera. Cechy językowe, takie jak pauzy w wyszukiwaniu słów, powtórzenia i złożoność składni, mogą służyć jako wskaźniki prognostyczne. To podejście może umożliwić wcześniejszą interwencję i spersonalizowane plany opieki.

Obecne systemy AI oparte na mowie mogą wykrywać subtelne markery językowe związane z wczesnym stadium choroby Alzheimera — takie jak zwiększone wahania, zmniejszona złożoność składni i pauzy w wyszukiwaniu słów — z raportowaną dokładnością w zakresie 70–85% w małych kohortach badawczych; duże modele językowe nie są jeszcze certyfikowane jako narzędzia diagnostyczne, a ich działanie znacznie różni się w zależności od języka i populacji pacjentów. Systemy z zatwierdzeniem regulacyjnym są ograniczone, dlatego metody te są głównie stosowane w badaniach lub jako uzupełniające narzędzia przesiewowe, a nie samodzielne testy diagnostyczne. Ponieważ modele są wrażliwe na warunki nagrywania i uprzedzenia demograficzne, trwa zewnętrzna walidacja w rzeczywistych warunkach.

— Wzbogacono 12 maja 2026 · Źródło: Alzheimer’s Association — https://www.alz.org/research/our_research/technology/early-detection-speech