NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Kapsamlı araştırmalar Parkinson hastalığı (PD) ile ilişkili bilişsel değişiklikleri belgelese de, ampirik literatürün nispeten küçük bir kısmı PD'li bireylerin dil yeteneklerini araştırdı. Son zamanlarda, dilsel verilere uygulanan yapay zeka, nörodejeneratif bozuklukların klinik tanısını tahmin etmede umut verici sonuçlar göstermiştir, ancak PD'de mevcut literatürün daha derin bir araştırması eksiktir. Bu sistematik gözden geçirme, PD'li hastaların sınıflandırılmasına makine öğreniminin (ML) katkısını değerlendirerek PD'deki dil bozukluklarının doğasını araştırır. 2016 ve 2023 yılları arasında yayınlanan toplam 10 çalışma bu incelemede yer almıştır. Dili ortaya çıkarmak için kullanılan görevler temel olarak yapılandırılmış veya yapılandırılmamış anlatı söylemiydi. Transkripsiyonlar çoğunlukla Doğal Dil İşleme (NLP) teknikleri kullanılarak analiz edildi. Sınıflandırma doğruluğu (%) 43 ila 94, duyarlılık (%) 8 ila 95, özgüllük (%) 3 ila 100, AUC (%) 32 ila 97 arasında değişmektedir. En sık kullanılan optimal dilsel önlemler lexico-semantic (%40), ardından NLP-çıkarılmış özellikler (%26) ve morfolojik tutarlılık özellikleri (%20) idi. Dilsel işaretleyicilere uygulanan yapay zeka, PD hakkında değerli bilgiler sağlar. Bununla birlikte, anlatı söyleminden türetilen önlemlerin analiz edilmesi zaman alıcı olabilir ve ML'yi kullanmak özel uzmanlık gerektirir. İlerlemek için, hem anlatı söylemi analizinin hem de yapay zekanın klinik uygulamaya entegrasyonunu kolaylaştırmaya odaklanmak önemlidir.
Özgün kaynak özetini okuyun
While extensive research has documented the cognitive changes associated with Parkinson's disease (PD), a relatively small portion of the empirical literature investigated the language abilities of individuals with PD. Recently, artificial intelligence applied to linguistic data has shown promising results in predicting the clinical diagnosis of neurodegenerative disorders, but a deeper investigation of the current literature available on PD is lacking. This systematic review investigates the nature of language disorders in PD by assessing the contribution of machine learning (ML) to the classification of patients with PD. A total of 10 studies published between 2016 and 2023 were included in this review. Tasks used to elicit language were mainly structured or unstructured narrative discourse. Transcriptions were mostly analyzed using Natural Language Processing (NLP) techniques. The classification accuracy (%) ranged from 43 to 94, sensitivity (%) ranged from 8 to 95, specificity (%) ranged from 3 to 100, AUC (%) ranged from 32 to 97. The most frequent optimal linguistic measures were lexico-semantic (40%), followed by NLP-extracted features (26%) and morphological consistency features (20%). Artificial intelligence applied to linguistic markers provides valuable insights into PD. However, analyzing measures derived from narrative discourse can be time-consuming, and utilizing ML requires specialized expertise. Moving forward, it is important to focus on facilitating the integration of both narrative discourse analysis and artificial intelligence into clinical practice.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.