Диагностические и ассистивные речевые технологии на основе искусственного интеллекта

Проект «Диагностические и ассистивные речевые технологии на основе искусственного интеллекта» объединяет четыре подпроекта, мотивированных необходимостью максимально ранней диагностики когнитивных и речевых расстройств, точного предсказания их развития и эффективной индивидуализированной коррекции. Основываясь на научном знании, полученном до сих пор традиционными методами экспериментальной психологии и лингвистики, психиатрии и неврологии – на преимущественно небольших выборках, без учета индивидуальных различий, мы предлагаем использовать имеющиеся большие массивы клинических, нейровизуализационных и поведенческих данных и современные технологии искусственного интеллекта – для обучения моделей принятия диагностических и коррекционных решений.

Предсказание речевых навыков по движению глаз во время чтения

На основании уже собранных нами больших и уникальных корпусов движений глаз во время чтения методами машинного обучения команда проекта производит классификацию движения глаз во время чтения. В первой (дислексической) части проекта это позволит классифицировать новых детей как имеющих/не имеющих риск развития дислексии по движениям глаз, а также выделять глазодвигательные параметры, которые вносят вклад в трудности чтения у того или иного ребенка. Исследование ляжет в основу диагностической процедуры скрининга трудностей чтения у детей – младших школьников. Вторая часть проекта направлена на предсказание уровня владения английским языком на основании параметров движения глаз при чтении на английском языке.

Диагностика нейрокогнитивных и ментальных расстройств по речевому потоку

В настоящее время в психиатрии и неврологии крайне остро стоит вопрос ранней диагностики расстройств шизофренического спектра, аффективных расстройств, деменции и болезни Альцгеймера. Это позволяет начать лечение на ранних стадиях и в результате значительно улучшить течение заболевания или даже предотвратить его. В последние годы активно развивается автоматический анализ спонтанной устной речи, текстов и результатов выполнения задания «вербальная беглость» для выявления предикторов и ранней диагностики этих заболеваний. На основе различных характеристик речи, таких как просодия, характеристики голоса, лексика, синтаксис, связность текста, с помощью машинного обучения возможно предсказать наличие у говорящего симптомов расстройств или предикторов скорого развития психоза или симптомов нейродегенеративных заболеваний. В Центре языка и мозга НИУ ВШЭ создается база аудиозаписей образцов речи. Расширение этой базы данных и создание инструмента, позволяющего оценивать вероятность наличия нейрокогнитивных и ментальных расстройств на основе автоматического анализа речи на русском языке и технологий машинного обучения, – беспрецедентный проект, результаты которого будут востребованы отечественной клинической практикой для скрининга указанных заболеваний.

Предсказание тяжести речевых расстройств на основе МРТ при инсульте

Задача максимально раннего прогноза развития стойких речевых нарушений у людей, перенесших инсульт, традиционно решается с использованием демографических (возраст, пол), клинических (наличие предыдущих инсультов в анамнезе, тип инсульта) и поведенческих (баллы по неврологическим и речевым шкалам) предикторов. Однако научные исследования последних лет в этой области направлены на использование данных магнитно-резонансной томографии головного мозга для прогнозирования речевого статуса постинсультных пациентов. Центр языка и мозга НИУ ВШЭ располагает размеченными данными 400 пациентов, перенесших инсульт. Эти данные могут быть использованы для машинного обучения и для выявления максимально предсказательных моделей (касательно и тяжести, и характера речевых нарушений).

Приложения для коррекции нейрогенных речевых расстройств

Приобретенные нейрогенные речевые нарушения у взрослых (в первую очередь афазия после инсульта) могут успешно корректироваться с помощью логопедических занятий. Однако не все пациенты имеют доступ к логопедической помощи или к регулярным поддерживающим занятиям после прохождения первичного курса речевой коррекции. Поэтому крайне актуально создание «тренажеров» речевой функции, которыми пациенты могли бы пользоваться самостоятельно. Большинство существующих тренажеров носит достаточно примитивный характер: задания с несколькими уровнями сложности, субъективно определяемыми специалистом или самим пациентом априори. Поэтому актуальна разработка продвинутых тренажеров, которые с помощью методов искусственного интеллекта могли бы динамически адаптироваться под текущие потребности и профиль нарушений конкретного пациента.