With the support of the “Qualcomm Taiwan R&D Cooperation Program” launched by Qualcomm, Professor Yawgeng Chau, Associate Professor Chien-Cheng Lee, and their team from the Department of Electrical and Communication Engineering of Yuan Ze University developed a simple mobile APP prototype for the detection of mild cognitive impairment (MCI) based on data augmentation and AI deep learning. They cooperated with psychiatrists from Far-Eastern Memorial Hospital and used the video data collected from 48 testees. Potential dementia patients may apply the APP as an auxiliary tool for daily self-examination before actual medical treatment.
【本報訊】
現今許多國家的老年人口激增，失智症已成為一個嚴重的問題。據世界衛生組織(WHO)估計， 目前全世界約有超過5000萬人患有失智症，而到 2050 年將增加近兩倍。此外，輕度認知障礙 (MCI) 已被認為是從健康狀態演化到失智狀態(例如阿茲海默症)之間的過渡階段，據文獻報告中顯 示，約 50% 輕度認知障礙患者在五年內會惡化為失智症，且輕度認知障礙惡化為失智的年增長 率為10% 至 15%。
元智大學電機系及 AI 研究中心趙燿庚教授、李建誠副教授及其團隊在美國高通公司 (Qualcomm) 的「高通台灣研發合作計畫」支持下，與新北市亞東紀念醫院的精神科專業醫師合 作，運用收集到有效的 48 個受測者影片資料，以資料擴增與 AI 深度學習，研發簡易型行動手機 端的輕度認知障礙檢測 APP 雛形，做為潛在可能失智患者實際就醫前的平日自我檢測輔助工具。
趙燿庚表示，失智症是不可逆轉的，目前沒有藥物可以持續幫助患者。此外，與輕度認知障礙 患者相比，失智症患者的照護更為複雜且成本更高。因此早期輕度認知障礙檢測對於患者的病情惡 化治療非常重要，但由於早期檢測方法不夠方便、價格昂貴、且耗時，輕度認知障礙的症狀常常被 忽視。目前還沒有一種簡易、低成本且遠端可執行的檢測方法。
趙燿庚指出，機器學習方案可應用在基於臉部影像的輕度認知障礙檢測，包括用於眼動追踪、臉部表情的認知測試及電腦視覺，又或應用臉部特徵，例如眼睛凝視和嘴唇活動於失智症檢測，但使用機器學習方案，通常需要較大運算能力的電腦或設備，且需要較嚴格的與一致的環境來收集，與擷取潛在受測患者的臉部影像與特徵，但在一般的居家環境中，通常是難以依照要求來控制。
團隊共使用了1516 個受測者影片片段做深度學習，其中包括 867個輕度認知障礙受測者影片片段，並已在高通公司驍龍 865 系統晶片上實現此 APP。其中輕度認知障礙受測者的平均年 齡為 75 歲，而健康，即正常或非輕度認知障礙受測者的平均年齡為 70 歲；每個影片從 5 到 30 分鐘不等，研發團隊從每個受測者影片片段中，提取空間和動作特徵做為輸入訊號，進行深度學習的訓練。
由收集的受測者數據所得的結果，團隊所開發的輕度認知障礙自動檢測APP 準確性(accuracy) 可超過80%，且從受測者資料看來似乎年齡並不是輕度認知障礙的關鍵因素。研究結果將可進一 步發展為輕度認知障礙自動檢測方案，或做為潛在可能失智患者實際就醫前的平日自我檢測輔助工具。