تتزايد أهمية تحليل الصوت كأداة غير جراحية لكشف الاضطرابات المعرفية، حيث يعتبر بديلاً فعالاً وموفرًا للتكاليف مقارنة بالأساليب التقليدية المعتمدة على المؤشرات الحيوية. ومع ذلك، فإن النماذج المعتمدة على المحولات، بالرغم من دقتها العالية، ما زالت تواجه صعوبة في التفسير سريريًا.

لذا، نحن نقدم إطارًا تفسيرًا متعدد المراحل يمكنه تحويل نتائج هذه النماذج المعتمدة على المحولات إلى روايات سريرية مفهومة، من خلال دمج تقنيات SHapley Additive exPlanations (SHAP) ونماذج لغوية متطورة مثل LLaMA-3.1-70B-Instruct. يعتمد هذا الإطار على نموذج الكشف عن الاضطرابات المعرفية SpeechCARE-Adaptive Gating Network، والذي حقق دقة تبلغ 72.11% وفقًا لمعيار NIA PREPARE.

يتضمن الإطار قياس أربع أبعاد لغوية معرفية مثل ثراء المفردات، تعقيد الجمل، والترابط الدلالي، مما يساعد في ربط المخرجات النموذجية بالمعلومات السريرية الفعالة.

أظهرت تقييمات الأطباء على 70 عينة إنجليزية من مرضى مختلفين توافقًا قويًا مع ملفات التعريف المعرفية للمرضى، كما حصل النظام على درجة 82 من 100 في مقياس قابلية الاستخدام، مما يشير إلى إمكانية دمجه بشكل فعال في سير العمل السريري.

هذه التطورات تمثل خطوة قوية نحو تحسين تشخيص الاضطرابات المعرفية من خلال دمج الذكاء الاصطناعي والتقنيات الطبية الحديثة. كيف ترون تأثير مثل هذه الابتكارات على الرعاية الصحية في المستقبل؟ شاركونا بآرائكم في التعليقات.