Prédire la démence à partir de la parole spontanée en utilisant de grands modèles de langage

Le trouble du langage est un biomarqueur important des troubles neurodégénératifs tels que la maladie d'Alzheimer (MA). L'intelligence artificielle (IA), notamment le traitement du langage naturel (TLP), a récemment été de plus en plus utilisée pour la prédiction précoce de la MA à travers la parole. Pourtant, relativement peu d'études existent sur l'utilisation de grands modèles de langage, en particulier GPT-3, pour aider au diagnostic précoce de la démence. Dans ce travail, nous montrons pour la première fois que GPT-3 peut être utilisé pour prédire la démence à partir de la parole spontanée. Spécifiquement, nous exploitons la vaste connaissance sémantique codée dans le modèle GPT-3 pour générer une représentation vectorielle du texte transcrit à partir de la parole, qui capture la signification sémantique de l'entrée. Nous démontrons que la représentation textuelle peut être utilisée de manière fiable pour (1) distinguer les individus atteints de MA des témoins sains, et (2) inférer le score des tests cognitifs du sujet, uniquement sur la base des données de parole. Nous montrons en outre que la représentation textuelle surperforme considérablement l'approche conventionnelle basée sur des caractéristiques acoustiques et se comporte même de manière compétitive avec les modèles ajustés existants. Ensemble, nos résultats suggèrent que la représentation textuelle basée sur GPT-3 est une approche viable pour l'évaluation de la MA directement à partir de la parole et a le potentiel d'améliorer le diagnostic précoce de la démence.