Konuşma hızı, duraksamalar ve kelime seçimi gibi özellikler, kişinin biyolojik ve zihinsel yaşlanmasına ilişkin ipuçları taşıyabilir. Science Advances’ta yayımlanan araştırmada, konuşma kayıtlarını analiz ederek yaş tahmini yapan bir yapay zeka modeli geliştirildi. Modelin tahmin ettiği yaş gerçek yaştan yüksek olduğunda, bilişsel bozukluk ve hızlanmış biyolojik yaşlanma göstergelerine daha sık rastlandı.
Model 700’den fazla konuşma özelliğini değerlendirdi
Araştırmaya Arjantin, Şili, Kolombiya, Meksika ve Peru’dan 18-88 yaş aralığında 2 bin 900’den fazla İspanyolca konuşan yetişkin katıldı. Katılımcıların yaklaşık 1.500’ü zihinsel açıdan sağlıklıydı; diğerlerinde hafif zihinsel bozukluk, Alzheimer veya beynin ön bölgesini etkileyen frontotemporal demans vardı.
Katılımcılar hareketli bir videoyu anlatma, belirli kategorilerden kelimeler sıralama ve dinledikleri bir hikâyeyi yeniden anlatma gibi yedi konuşma görevini tamamladı. Araştırmacılar kayıtları inceleyerek konuşma hızı, duraklamalar, ses tonu, kelime dağarcığı ve duygusal ifade dahil 700’den fazla özellik çıkardı.
Makine öğrenimi modeli, bu özellikleri kullanarak her katılımcı için bir yaş tahmini oluşturdu. Tahmin ile gerçek yaş arasındaki fark “konuşma yaşı farkı” olarak tanımlandı. Bu fark zihinsel açıdan sağlıklı kişilerde genellikle daha azken hafif zihinsel bozukluk veya demans bulunan gruplarda daha yüksekti. En belirgin fark, iletişim ve dil becerilerini doğrudan etkileyen dil ağırlıklı frontotemporal demans vakalarında görüldü.
Konuşma yaşı farkı test sonuçlarıyla da ilişkilendirildi
Kronolojik yaşından daha yaşlı görünen bir konuşma profiline sahip kişiler, hafıza, dil ve dikkat testlerinde daha düşük sonuçlar aldı. Günlük işlerde yaşanan güçlüklerle de benzer bir ilişki saptandı. Kan testlerinden elde edilen bulgular da konuşma yaşı farkı yüksek kişilerde biyolojik yaşlanmanın daha hızlı ilerlediğine işaret eden epigenetik saat sonuçlarıyla örtüştü. Bu saatler, DNA üzerindeki kimyasal işaretlere dayanıyor.
Alzheimer hastalarında daha büyük konuşma yaşı farkı, hastalıkla bağlantılı p-tau217 proteininin yüksek seviyeleriyle ilişkili bulundu. Finansal zorluk, yetersiz beslenme, sağlık hizmetlerine sınırlı erişim ve düşük eğitim seviyesi gibi demans riski oluşturabilen koşullar da yüksek farkla bağlantı gösterdi.
Yöntem tanı değil, değerlendirmeye destek aracı olarak görülüyor
Araştırmanın eş yazarlarından, Arjantin’deki San Andrés Üniversitesinden Adolfo García, günümüzde kullanılan bazı yaşlanma ölçümlerinin beyin görüntüleme veya kan testi gibi maliyetli ve zahmetli yöntemler gerektirdiğini belirtti. Konuşma analizinin daha kolay uygulanabilecek bir seçenek sunabileceğini ifade etti.
Araştırmacılar, yöntemin doğrudan demans tanısı koymak için kullanılmasını önermiyor. Modeli, hekimlerin zihinsel sağlık açısından daha ayrıntılı değerlendirilmesi gerekebilecek kişileri belirlemesine yardımcı olabilecek destekleyici bir araç olarak ele alıyorlar.
Sonraki aşamada modelin farklı İspanyolca konuşan topluluklarda ve başka dillerde sınanması planlanıyor. Aynı kişilerin konuşmalarındaki değişimin zaman içinde izlenmesi de yöntemin yaşlanma ve zihinsel gerilemeyle ilişkisini daha açık biçimde değerlendirmeye yardımcı olabilir.
