Redacción
La enfermedad de Alzheimer (EA) afecta a más de 50 millones de personas en el mundo, y el envejecimiento de la población hace que puedan ser muchas más en las próximas décadas. Aunque suele desarrollarse sin síntomas durante muchos años, generalmente viene precedida de lo que se conoce como deterioro cognitivo leve.
¿Es posible hacer hacer un diagnóstico más temprano del alzhéimer con un modelo de aprendizaje automático? Esa es la pregunta que se hizo un grupo de científicos pertenecientes a la Universidad de Alberta, Canadá, y para lo que realizaron una investigación que se describió en un documento, ” Exploring Language-Agnostic Speech Representations Using Domain Knowledge for Detecting Alzheimer’s Dementia “, que aparecerá en el ICASSP 2023 Signal Processing Grand Challenge, donde el equipo ocupó el primer lugar en América del Norte y el cuarto a nivel mundial.
“Dado que la EA se caracteriza por una disminución progresiva de las capacidades cognitivas, lo que puede conducir a un deterioro del habla y del lenguaje, el análisis de las señales del habla para su detección tiene un gran potencial”, señaló el estudio.
Se exploraron formas de utilizar los datos del habla para detectar indicadores de la enfermedad y el modelo fue capaz de distinguir a los pacientes de alzhéimer de los controles sanos con una precisión del 70 al 75 por ciento, una cifra prometedora para los más de 747.000 canadienses que tienen esta enfermedad u otra forma de demencia.
“Mediante el uso de funciones acústicas y lingüísticas, inspiradas en la investigación clínica sobre la EA, nuestro modelo de clasificación de alto rendimiento logra una precisión del 69 % para distinguir a los pacientes con EA de los controles sanos, y nuestro modelo de regresión alcanza un RMSE de 4,8 para inferir puntuaciones de pruebas cognitivas. Estos resultados subrayan el potencial de nuestro modelo explicable para detectar el deterioro cognitivo en pacientes con EA a través del habla y su aplicabilidad en entornos clínicos”.
Cómo fue la investigación
“Antes, necesitabas análisis de laboratorio e imágenes médicas para detectar cambios en el cerebro; esto lleva tiempo, es costoso y nadie se hace estudios tan pronto”, dijo Eleni Stroulia, profesora del Departamento de Ciencias de la Computación de la Universidad de Alberta, que participó en la creación del modelo.
“El trabajo original consistía en escuchar lo que dice la persona, entender lo que dice, el significado. Ese es un problema computacional más fácil de resolver”, expresó Stroulia. “Ahora estamos diciendo, escucha la voz. Hay algunas propiedades en la forma en que la gente habla que trascienden el lenguaje”.
Los investigadores comenzaron con características del habla que los médicos notaron que eran comunes en pacientes con alzhéimer. Estos pacientes tendían a hablar más despacio, con más pausas o interrupciones en el habla. Por lo general, usaban palabras más cortas y, a menudo, tenían una inteligibilidad reducida en su habla. Los investigadores encontraron formas de traducir estas características formas del habla que el modelo podría detectar.
Aunque los investigadores se centraron en hablantes de inglés y griego, esta tecnología tiene el potencial de usarse en diferentes idiomas y la eventual experiencia de usuario de una herramienta que lo incorpora no podría ser más sencilla.
“Una persona le habla a la herramienta, hace un análisis y hace una predicción: o sí, la persona tiene alzhéimer o no”, dijo Russ Greiner, colaborador del artículo, profesor del Departamento de Ciencias de la Computación de la Universidad de Alberta y miembro del Instituto de Neurociencias y Salud Mental. Luego, esa información se puede llevar a un profesional de la salud para determinar el mejor curso de acción para la persona.
“Si pudieras usar teléfonos móviles para obtener un indicador temprano, eso estaría informando la relación del paciente con su médico. Potencialmente, comenzaría el tratamiento antes, e incluso podríamos comenzar con intervenciones simples en el hogar, también con dispositivos móviles, para ralentizar la progresión”, dijo Stroulia.
Una herramienta de detección no reemplazaría a los profesionales de la salud. Sin embargo, además de ayudar en la detección temprana, crearía una manera rápida de tratar la enfermedad a través de la telesalud a los pacientes que pueden enfrentar barreras geográficas o lingüísticas para acceder a los servicios en su área, explicó Zehra Shah, estudiante de maestría en el Departamento de Informática de la Universidad de Alberta.
La utilización de inteligencia artificial y machine learning en el diagnóstico del alzhéimer no es nueva. La FDA (Administración de Alimentos y Medicamentos de EE.UU.) ya dio el visto bueno a varias compañías que desarrollaron sistemas, entre ellas, QYNAPSE, que lanzó una plataforma para ofrecer la cuantificación automatizada de una amplia gama de marcadores neurodegenerativos y neuroinflamatorios y que es útil también en casos de esclerosis múltiple, Parkinson y otros trastornos neurológicos; o el sistema diseñado por QMENTA, una herramienta de neuro IA que proporciona una visión de la anatomía cerebral y acentúa el daño de los tejidos o las hiperintensidades en color y en 3D.
Además, esta compañía ha creado mapas de la red cerebral para ver los cambios en las conexiones debidos a enfermedades o lesiones.
