I höstas publicerades en artikel som visar att man genom automatiserade analyser av språklig förmåga kan förutsäga vilka som kommer att drabbas av Alzheimers sjukdom.
Automatiserade metoder
Elif Eyigoz med kollegor använde datalingvistiska metoder för att extrahera språkliga variabler ur skriftligt material. Datamaterialet hämtades från en omfattande kohortstudie som påbörjades på 1940-talet. Deltagarna i kohortstudien hade genomfört deltestet Kaktjuven ur Boston Aphasia Diagnostic Examination (samt en rad andra neuropsykologiska tester) vid en tidpunkt när de var friska. Exempel på mått som kunde tas fram ur materialet var antal ord, antal repetitioner, semantisk och syntaktisk komplexitet och stavfel. Med hjälp av maskininlärning jämförde man hur väl de språkliga, automatiskt extraherade variablerna kunde predicera demenssjukdom jämfört med mer traditionella kliniska mått i form av såväl testresultat som anamnestisk, demografisk och genetisk information.
Telegramstil, upprepningar och stavfel
Analysen visade bland annat att personer som senare diagnostiserades med Alzheimers sjukdom skrev i telegramstil och att deras beskrivningar karakteriserades av många upprepningar och stavfel. De språkliga måtten var nästan 2,5 gånger bättre än de icke-språkliga på att korrekt predicera kommande Alzheimer. De statistiska modellerna var mer träffsäkra för kvinnor och för personer med lägre utbildningsnivå. Det senare tolkar artikelförfattarna som en följd av att stark språkförmåga är en följd av högre utbildning som kan antas öka våra kognitiva reserver, vilket i sin tur leder till större motståndskraft mot exempelvis demenssjukdom.
Automatisk analys av språkligt material har enligt Eyigoz med kollegor stor potential att fungera som ett resurssnålt sätt att identifiera Alzheimers sjukdom jämfört med exempelvis metoder som hjärnavbildning eller analys av cerebrospinalvätska. Genom att fortsätta undersöka aspekter av språkförmågan med datalingvistiska metoder kan man dessutom få viktig information om sjukdomens progression.
Läs hela artikeln!
Eyigoz, E., Mathur, S., Santamaria, M., Cecchi, G., & Naylor, M. (2020). Linguistic markers predict onset of Alzheimer’s disease. EClinicalMedicine, 28. https://doi-org.ezp.sub.su.se/10.1016/j.eclinm.2020.100583
Signe Tonér, tidningen Logopeden
Diskussion