นักวิทยาศาสตร์ค้นพบลักษณะในการพูดที่บอกล่วงหน้าว่าการลดลงของความรู้ความเข้าใจ

คุณช่วยผ่าน whatchamacallit ให้ฉันได้ไหม มันอยู่ตรงนั้นถัดจาก Thingamajig

พวกเราหลายคนจะได้สัมผัสกับ "Lethologica" หรือความยากลำบากในการค้นหาคำพูดในชีวิตประจำวัน และมักจะโดดเด่นมากขึ้นตามอายุ

ความยากลำบากในการค้นหาคำที่ถูกต้องสามารถส่งสัญญาณการเปลี่ยนแปลงในสมองได้สม่ำเสมอด้วยขั้นตอนแรก ("พรีคลินิก") ของโรค - ก่อนที่อาการที่เห็นได้ชัดจะเกิดขึ้น

อย่างไรก็ตามกการศึกษาล่าสุดจากมหาวิทยาลัยโตรอนโตแสดงให้เห็นว่ามันเป็นความเร็วของการพูดมากกว่าความยากลำบากในการค้นหาคำที่เป็นตัวบ่งชี้สุขภาพสมองที่แม่นยำยิ่งขึ้นในผู้สูงอายุ

นักวิจัยขอให้ผู้ใหญ่ที่มีสุขภาพดี 125 คนอายุ 18 ถึง 90 ปีเพื่ออธิบายฉากโดยละเอียด การบันทึกคำอธิบายเหล่านี้ได้รับการวิเคราะห์ในภายหลัง(AI) ซอฟต์แวร์เพื่อแยกคุณสมบัติเช่นความเร็วในการพูดคุยระยะเวลาของการหยุดชั่วคราวระหว่างคำและความหลากหลายของคำที่ใช้

ผู้เข้าร่วมยังเสร็จสิ้นชุดการทดสอบมาตรฐานที่วัดความเข้มข้นความเร็วการคิดและความสามารถในการวางแผนและดำเนินงาน การลดลงที่เกี่ยวข้องกับอายุในความสามารถ "ผู้บริหาร" เหล่านี้เชื่อมโยงอย่างใกล้ชิดกับการพูดของบุคคลในชีวิตประจำวันซึ่งบ่งบอกถึงการลดลงที่กว้างกว่าเพียงแค่ความยากลำบากในการค้นหาคำที่เหมาะสม

แง่มุมใหม่ของการศึกษานี้คือการใช้ "งานการแทรกแซงคำด้วยคำ" ซึ่งเป็นงานที่ชาญฉลาดที่ออกแบบมาเพื่อแยกสองขั้นตอนของการตั้งชื่อวัตถุ: ค้นหาคำที่ถูกต้องและแนะนำปากเกี่ยวกับวิธีการพูดออกมาดัง ๆ

ในช่วงงานนี้ผู้เข้าร่วมจะแสดงรูปภาพของวัตถุในชีวิตประจำวัน (เช่นไม้กวาด) ในขณะที่เล่นคลิปเสียงของคำที่เกี่ยวข้องกับความหมาย (เช่น "MOP" - ซึ่งทำให้ยากที่จะคิดถึงชื่อของภาพ) หรือฟังดูคล้ายกัน (เช่น "เจ้าบ่าว" - ซึ่งสามารถทำให้ง่ายขึ้น)

ที่น่าสนใจการศึกษาพบว่าความเร็วในการพูดตามธรรมชาติของผู้สูงอายุนั้นเกี่ยวข้องกับความรวดเร็วในการตั้งชื่อรูปภาพ สิ่งนี้ชี้ให้เห็นว่าการชะลอตัวโดยทั่วไปในการประมวลผลอาจเป็นผลมาจากการเปลี่ยนแปลงทางปัญญาและภาษาที่กว้างขึ้นตามอายุมากกว่าความท้าทายที่เฉพาะเจาะจงในการดึงหน่วยความจำสำหรับคำพูด

วิธีทำให้การค้นพบมีประสิทธิภาพมากขึ้น

ในขณะที่การค้นพบจากการศึกษานี้น่าสนใจการค้นหาคำตอบเพื่อตอบสนองต่อตัวชี้นำภาพอาจไม่สะท้อนความซับซ้อนของคำศัพท์ในการสนทนาในชีวิตประจำวันที่ไม่มีข้อ จำกัด

งานความคล่องแคล่วทางวาจาซึ่งกำหนดให้ผู้เข้าร่วมสร้างคำให้มากที่สุดเท่าที่จะเป็นไปได้จากหมวดหมู่ที่กำหนด (ตัวอย่างเช่นสัตว์หรือผลไม้) หรือเริ่มต้นด้วยตัวอักษรที่เฉพาะเจาะจงภายในเวลา จำกัด อาจใช้กับการตั้งชื่อภาพเพื่อจับปรากฏการณ์

ปรากฏการณ์ปลายทางของลวดลายหมายถึงการไร้ความสามารถชั่วคราวที่จะดึงคำจากความทรงจำแม้จะมีการเรียกคืนบางส่วนและความรู้สึกว่าคำนั้นเป็นที่รู้จัก

งานเหล่านี้ถือเป็นการทดสอบการสนทนาในชีวิตประจำวันที่ดีกว่างานการแทรกแซงคำด้วยคำเพราะพวกเขาเกี่ยวข้องกับการดึงข้อมูลที่ใช้งานอยู่และการผลิตคำจากคำศัพท์ของคน ๆ หนึ่งคล้ายกับกระบวนการที่เกี่ยวข้องกับการพูดตามธรรมชาติ

ในขณะที่ประสิทธิภาพความคล่องแคล่วทางวาจาไม่ลดลงอย่างมีนัยสำคัญกับอายุปกติ (ดังแสดงในกการศึกษา 2022) ประสิทธิภาพที่ไม่ดีในงานเหล่านี้สามารถบ่งบอกถึงโรคทางระบบประสาทเช่นอัลไซเมอร์

การทดสอบมีประโยชน์เพราะพวกเขาอธิบายถึงการเปลี่ยนแปลงทั่วไปในความสามารถในการดึงคำเมื่อผู้คนมีอายุมากกว่าช่วยให้แพทย์สามารถระบุความบกพร่องเกินกว่าที่คาดไว้จากอายุปกติและอาจตรวจพบเงื่อนไขการผ่าตัดระบบประสาท

การทดสอบความคล่องแคล่วด้วยวาจามีส่วนร่วมในภูมิภาคสมองที่เกี่ยวข้องกับภาษาหน่วยความจำและการทำงานของผู้บริหารและด้วยเหตุนี้จึงสามารถนำเสนอข้อมูลเชิงลึกเกี่ยวกับภูมิภาคของสมองที่ได้รับผลกระทบจากการลดลงของความรู้ความเข้าใจ

ผู้เขียนการศึกษาของมหาวิทยาลัยโตรอนโตอาจมีการตรวจสอบประสบการณ์ส่วนตัวของผู้เข้าร่วมเกี่ยวกับปัญหาการค้นหาคำควบคู่ไปกับมาตรการวัตถุประสงค์เช่นการพูดหยุด สิ่งนี้จะให้ความเข้าใจที่ครอบคลุมมากขึ้นเกี่ยวกับกระบวนการทางปัญญาที่เกี่ยวข้อง

รายงานส่วนบุคคลของ "ความรู้สึก" ของการดิ้นรนเพื่อดึงคำพูดอาจนำเสนอข้อมูลเชิงลึกที่มีค่าซึ่งเสริมข้อมูลพฤติกรรมซึ่งอาจนำไปสู่เครื่องมือที่ทรงพลังมากขึ้นสำหรับการหาปริมาณและตรวจจับการลดลงของความรู้ความเข้าใจในช่วงต้น

เปิดประตู

อย่างไรก็ตามการศึกษาครั้งนี้ได้เปิดประตูที่น่าตื่นเต้นสำหรับการวิจัยในอนาคตโดยแสดงให้เห็นว่าไม่ใช่แค่สิ่งที่เราพูด แต่เราพูดเร็วแค่ไหนที่สามารถเปิดเผยการเปลี่ยนแปลงทางปัญญา

โดยการควบคุมเทคโนโลยีการประมวลผลภาษาธรรมชาติ (ประเภทของ AI) ซึ่งใช้เทคนิคการคำนวณเพื่อวิเคราะห์และทำความเข้าใจข้อมูลภาษามนุษย์งานนี้ก้าวหน้าการศึกษาก่อนหน้านี้ที่สังเกตเห็นการเปลี่ยนแปลงเล็กน้อยในภาษาที่พูดและเขียนของบุคคลสาธารณะเช่นโรนัลด์เรแกนและIris Murdochในปีก่อนการวินิจฉัยภาวะสมองเสื่อม

ในขณะที่รายงานการฉวยโอกาสเหล่านั้นขึ้นอยู่กับการมองย้อนกลับไปหลังจากการวินิจฉัยภาวะสมองเสื่อมการศึกษาครั้งนี้ให้วิธีการที่เป็นระบบข้อมูลที่ขับเคลื่อนด้วยข้อมูลและการคาดการณ์ล่วงหน้า

การใช้ความก้าวหน้าอย่างรวดเร็วในการประมวลผลภาษาธรรมชาติจะช่วยให้การตรวจจับการเปลี่ยนแปลงภาษาอัตโนมัติเช่นอัตราการพูดที่ช้าลง

การศึกษาครั้งนี้เป็นการตอกย้ำศักยภาพของการเปลี่ยนแปลงอัตราการพูดในฐานะที่เป็นเครื่องหมายที่สำคัญ แต่ละเอียดอ่อนของสุขภาพความรู้ความเข้าใจที่สามารถช่วยในการระบุคนที่มีความเสี่ยงก่อนที่อาการรุนแรงจะปรากฏขึ้น

แคลร์แลงคาสเตอร์, อาจารย์, ภาวะสมองเสื่อม,มหาวิทยาลัยซัสเซ็กซ์และอลิซสแตนตัน, ผู้สมัครปริญญาเอก, ภาวะสมองเสื่อม,มหาวิทยาลัยซัสเซ็กซ์

บทความนี้ถูกตีพิมพ์ซ้ำจากบทสนทนาภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่านบทความต้นฉบับ-

เวอร์ชันก่อนหน้าของบทความนี้ได้รับการตีพิมพ์ในเดือนมีนาคม 2567