Большие языковые модели для профилирования речевых нарушений при РАС | РАС-аналитика

Большие языковые модели на основе трансформеров открывают новую парадигму для анализа речевых и языковых особенностей при РАС. Нулевое обучение показывает повышение чувствительности диагностики на 10% и более по сравнению с традиционными лингвистическими признаками.

Большие языковые модели на основе трансформеров открывают новую парадигму для анализа речевых и языковых особенностей при РАС. Нулевое обучение показывает повышение чувствительности диагностики на 10% и более по сравнению с традиционными лингвистическими признаками.

Лингвистические признаки при РАС

Речевые и языковые особенности при расстройстве аутистического спектра характеризуются целым спектром отклонений: от задержки развития речи до своеобразного использования языка. Классические подходы полагаются на ручной анализ транскриптов или специализированные метрики, которые не учитывают семантические и прагматические нюансы.

Большие языковые модели способны уловить сложные паттерны в речи, включая нарушения прагматической компетентности, своеобразие синтаксических структур и особенности семантического использования слов.

Архитектура модели на основе преобразователя

Исследование использовало предварительно обученную большую языковую модель, адаптированную к русскому языку, для анализа спонтанной речи при РАС:

Результаты нулевого обучения

Модель анализировала спонтанные образцы речи 245 детей (возраст 3–8 лет): 127 с диагнозом РАС и 118 с типичным развитием. Без специализированного обучения на РАС-данных модель достигла впечатляющих результатов:

Абсолютная точность составила 81.6% (доверительный интервал 76–87%). Частота ложноположительных результатов была снижена до 12% благодаря семантическому анализу контекста.

«Большие языковые модели обладают врождённым пониманием норм языка, что позволяет им выявлять даже тонкие отклонения в его использовании. Это качественно отличается от статистических подходов, которые требуют явного определения признаков.»

Ключевые открытия в лингвистическом профилировании

Анализ выявил несколько критических различий в речевых паттернах:

1. Нарушение коммуникативной целостности. Дети с РАС с большей вероятностью переходили на новые темы без явной связи с предыдущим высказыванием.
2. Экхолалические структуры. Повышенное воспроизведение фраз из медиа или предыдущих высказываний собеседника.
3. Формальность языка. Использование книжных и учёных фраз в повседневной речи.
4. Затруднения с чтением ментального состояния. Уменьшенное использование глаголов ментального состояния при описании других людей.

Клинические приложения

Результаты открывают новые направления для диагностики и вмешательства:

• Объективная скрининговая оценка детей с подозрением на РАС
• Мониторинг развития речи и эффективности логопедического вмешательства
• Индивидуализированное профилирование лингвистических дефицитов
• Прогнозирование прогноза развития речи в раннем детстве
• Автоматизированная поддержка логопедической диагностики в клиниках

Ограничения и этические соображения

Несмотря на высокую точность, использование больших языковых моделей для диагностики требует осторожности. Модели могут иметь культурные и языковые предубеждения. Необходимо валидировать результаты на разнообразных популяциях и избегать полного автоматизированного диагноза без клинической оценки.