به نقل از ایندیپندینت، این ابزار فقط به تن صدا یا زیر و بمی آن توجه نمی کند، بلکه صدها ویژگی، از سرعت حرف زدن و مکث ها گرفته تا انتخاب واژه ها و شیوه بیان احساسات را می سنجد. پژوهشگران با آزمایش این مدل روی نزدیک به سه هزار اسپانیایی زبان دریافتند که هرچه سن تخمینی هوش مصنوعی از سن واقعی او بیشتر باشد، احتمال بروز اختلالات شناختی، زوال عقل و شتاب روند پیری زیستی در آنها بالاتر است. این افراد همچنین محرومیت های اجتماعی و اقتصادی بیشتری را هم از سر گذرانده بودند. نتایج این مطالعه روز چهارشنبه 30 سپتامبر در نشریه علمی ساینس ادونسز (Science Advances) منتشر شد.

به نوشته تارنمای لایوساینس، طرح اصلی این پژوهش بی شباهت به ساعت های پیری نیست؛ روش هایی که با بررسی نشانه های زیستی بدن تلاش می کنند سن زیستی فرد و احتمال ابتلا به بیماری های مرتبط با افزایش سن را تخمین بزنند. تفاوت اینجاست که ابزار جدید برای این کار به آزمایش خون یا تصویربرداری از مغز نیاز ندارد و اطلاعات مورد نیازش را از صدای فرد به دست می آورد.

آدولفو گارسیا، از نویسندگان این پژوهش و مدیر مرکز علوم اعصاب شناختی دانشگاه سن آندرس آرژانتین، می گوید روش های موجود برای سنجش پیری بسیار قدرتمندند، اما بسیاری از آنها به تصویربرداری مغزی یا آزمایش خون وابسته اند؛ آزمایش هایی که ممکن است گران و تهاجمی یا تکرار منظم آنها دشوار باشد. به گفته او، استفاده از گفتار این محدودیت ها را تا حد زیادی برطرف می کند.

البته هنوز برای استفاده از این ابزار در تشخیص خطر زوال عقل افراد زود است. یک متخصص به لایو ساینس گفت این روش باید در زبان های دیگر و همچنین در مطالعاتی که افراد را مدتی طولانی پی گیری می کنند آزمایش شود.

پژوهشگران برای این مطالعه سراغ داده های کنسرسیوم رد-لت ــ پروژه ای بزرگ درباره زوال عقل در آمریکای لاتین ــ رفتند. اطلاعات بیش از دو هزار و 900 اسپانیایی زبان از آرژانتین، شیلی، کلمبیا، مکزیک و پرو در این بررسی گنجانده شد. شرکت کنندگان بین 18 تا 88 سال داشتند. حدود هزار و 500 نفر از نظر شناختی سالم بودند و دیگر افراد به اختلال شناختی خفیف، آلزایمر یا زوال عقل پیشانی ـ گیجگاهی مبتلا بودند.

هر شرکت کننده هفت آزمون را پشت سر گذاشت. برای مثال، از آنها خواسته شد یک ویدیوی انیمیشنی را توصیف کنند، در60 ثانیه تا جای ممکن نام سبزیجات، حیوانات و واژه های مختلف را به زبان بیاورند و داستان کوتاهی را یک بار بلافاصله پس از شنیدن و بار دیگر 20 تا 30 دقیقه بعد بازگو کنند.

صدای افراد هنگام انجام این تمرین ها ضبط شد. پژوهشگران سپس بیش از 700 ویژگی را در این نمونه ها بررسی کردند؛ از مکث ها و سرعت صحبت کردن گرفته تا زیر و بمی صدا، دامنه واژگان و نحوه بیان احساسات.

این داده ها در اختیار یک مدل یادگیری ماشینی قرار گرفت تا یاد بگیرد تنها از روی نحوه صحبت کردن، سن افراد را حدس بزند. پژوهشگران سپس عددی را که هوش مصنوعی به دست آورده بود با سن واقعی هر فرد مقایسه کردند و اختلاف میان این دو را فاصله سنی گفتار نامیدند.

نتیجه روشن بود. در افراد سالم، سنی که هوش مصنوعی از روی گفتار تخمین می زد معمولا به سن واقعی نزدیک تر بود، اما این فاصله در مبتلایان به اختلالات شناختی خفیف یا زوال عقل بیشتر می شد. بیشترین اختلاف نیز در افرادی دیده شد که به نوعی از زوال عقل پیشانی ـ گیجگاهی مبتلا بودند که بیش از هر چیز توانایی زبان و برقراری ارتباط را مختل می کند.

این ارتباط فقط در نتایج هوش مصنوعی دیده نشد. کسانی که گفتارشان از سن واقعیشان پیرتر به نظر می رسید، در آزمون های حافظه، زبان و توجه نیز عملکرد ضعیف تری داشتند و انجام فعالیت های روزمره برایشان دشوارتر بود.

آزمایش های خون هم تصویر مشابهی ترسیم کرد. هرچه اختلاف میان سن واقعی فرد و سنی که از روی گفتارش تخمین زده می شد بیشتر بود، سه شاخص اپی ژنتیکی نیز از پیری سریع تر بدن حکایت داشت. این شاخص ها با بررسی تغییرات شیمیایی روی دی ان ای، تصویری از سن زیستی بدن به دست می دهند؛ سنی که لزوما با تعداد سال هایی که از تولد فرد گذشته یکسان نیست.

در مبتلایان به آلزایمر نیز هرچه این اختلاف سنی بیشتر بود، میزان پی ـ تاو 217 در خون بالاتر می رفت؛ پروتیینی که یکی از نشانگرهای مرتبط با بیماری آلزایمر است.

پژوهشگران به همبستگی معنادار دیگری نیز پی بردند. عواملی چون شرایط نامساعد اقتصادی، ناامنی غذایی، دسترسی محدود به خدمات درمانی، تجربیات دشوار دوران کودکی و سطح پایین تحصیلات همگی در میان افرادی که صدایشان پیرتر از سن واقعی شان به نظر می رسید شیوع بیشتری داشت. به گفته گارسیا، با وجود تفاوت های اجتماعی و فرهنگی در پنج کشور بررسی شده، این الگو در همه آنها یکسان و تکرارپذیر بود.

دکتر مانیشا پارولکار، از مدیران مرکز اختلالات حافظه و سلامت مغز در مرکز پزشکی دانشگاه هکنساک در نیوجرسی که در این تحقیق نقشی نداشت، این روش را گامی مهم برای آسان تر و دسترس پذیرتر شدن ارزیابی سلامت مغز می داند.

اما او درباره تعمیم شتاب زده یا اغراق در تفسیر نتایج هشدار می دهد. صدای انسان به شدت تحت تأثیر وضعیت جسمی و روانی او قرار دارد. عواملی چون افسردگی شدید، خستگی مفرط یا قرار گرفتن در معرض فشارهای سنگین زندگی نیز ممکن است نحوه و الگوی صحبت کردن فرد را پیرتر نشان دهد. به همین دلیل، پارولکار می گوید در جایگاه پزشک هرگز تنها با تکیه بر چنین ابزاری نمی توان به تشخیص قطعی زوال عقل رسید.

به گفته او، این فناوری در آینده بیشتر می تواند نقش یک زنگ هشدار را داشته باشد؛ یعنی اگر نتیجه غیرعادی بود، پزشک را به بررسی دقیق تر حافظه و دیگر توانایی های شناختی فرد هدایت کند.

این پژوهش محدودیت مهم دیگری هم دارد. بسیاری از شرکت کنندگان فقط یک بار بررسی شدند و پژوهشگران تغییرات صدای آنها را در طول چند سال دنبال نکردند. بنابراین هنوز نمی توان گفت پیرتر شدن الگوی گفتار واقعا افت شناختی آینده را پیش بینی می کند یا اینکه با پیشرفت زوال عقل، صدا و نحوه صحبت کردن دقیقا چگونه تغییر خواهد کرد.

از سوی دیگر، هوش مصنوعی این مطالعه فقط با صدای افراد اسپانیایی زبان از پنج کشور آمریکای لاتین آموزش دیده است. بنابراین نمی توان همین مدل را بدون آزمایش و تغییر برای زبان های دیگر به کار برد.

پارولکار می گوید نمی توان مدلی را که با زبان اسپانیایی آموزش دیده است به سادگی برای نمونه های انگلیسی به کار گرفت. هر زبان ویژگی های خاص خود را دارد و این تفاوت ها باید هنگام طراحی و آزمایش مدل در نظر گرفته شوند.

پژوهشگران اکنون می خواهند این روش را درمورد زبان های دیگر آزمایش کنند و افراد را مدت طولانی تری زیر نظر بگیرند. هدف این است که مشخص شود آیا تغییر در نحوه صحبت کردن می تواند پیش از بروز علائم شناختی، زنگ خطری برای آینده باشد یا نه.

گارسیا می گوید به باور او، در نحوه صحبت کردن افراد نشانه های قدرتمندی وجود دارد که شاید روزی بتوان از آنها برای پیش بینی خطر زوال عقل در آینده استفاده کرد، اما برای رسیدن به چنین نتیجه ای هنوز به مطالعات بیشتر و متنوع تری نیاز است.