NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı, dünya çapında on milyondan fazla aktif vaka ve yılda bir milyon yeni tanı ile ikinci en yaygın nörodejeneratif bozukluktur. Hastalığın tespiti ve daha sonra teşhis edilmesi, karmaşıklığa ilişkin semptom heterojenliğinin yanı sıra fenotipik belirtilerin tipi ve zamanlaması nedeniyle zordur. Tipik olarak, dil bozukluğu prodromal fazda ortaya çıkabilir ve dil temelli bir yaklaşımın Parkinson hastalığının başlangıcı için tanısal bir yöntem olarak hizmet edebileceğini öne süren motor semptomlardan önce gelebilir. Ek olarak, geliştirilmiş dilsel modeller füzyon teknikleri yoluyla diğer yaklaşımları geliştirebilir. Büyük dil modellerinin alanı hızla ilerliyor, Parkinson hastalığını tespit etmek için bu yeni modellerin kullanımını keşfetme ve dilbilimin yüksek boyutlu temsilleriyle mevcut dilsel yaklaşımları geliştirme fırsatı sunuyor. Parkinson hastalığını spontan konuşmadan %78'e varan doğrulukla otomatik olarak tespit etmek için son teknoloji büyük dil modellerinin uygulanmasını değerlendiriyoruz. Ayrıca, büyük dil modellerinin bir regresyon görevinde PD'nin ciddiyetini tahmin etmek için kullanılabileceğini de gösteriyoruz. Ayrıca, büyük dil modellerinin daha iyi performansının, özellik uzayının artan boyutsallığı nedeniyle değil, daha alakalı dilsel özellikler çıkarma yeteneklerinden kaynaklandığını gösteriyoruz.
Özgün kaynak özetini okuyun
Parkinson's disease is the second most prevalent neurodegenerative disorder with over ten million active cases worldwide and one million new diagnoses per year. Detecting and subsequently diagnosing the disease is challenging because of symptom heterogeneity with respect to complexity, as well as the type and timing of phenotypic manifestations. Typically, language impairment can present in the prodromal phase and precede motor symptoms suggesting that a linguistic-based approach could serve as a diagnostic method for incipient Parkinson's disease. Additionally, improved linguistic models may enhance other approaches through fusion techniques. The field of large language models is advancing rapidly, presenting the opportunity to explore the use of these new models for detecting Parkinson's disease and to improve on current linguistic approaches with high-dimensional representations of linguistics. We evaluate the application of state-of-the-art large language models to detect Parkinson's disease automatically from spontaneous speech with up to 78% accuracy. We also demonstrate that large language models can be used to predict the severity of PD in a regression task. We further demonstrate that the better performance of large language models is due to their ability to extract more relevant linguistic features and not due to increased dimensionality of the feature space.
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.