La aplicación podría detectar la enfermedad de Alzheimer a partir de conversaciones telefónicas

Alguien que usa un teléfono inteligente azul

  • Actualmente, faltan pruebas económicas, accesibles y confiables para diagnosticar la enfermedad de Alzheimer en una etapa temprana.
  • Las personas con la afección tienden a hablar más lentamente y con pausas más largas.
  • En un estudio reciente, los investigadores utilizaron el aprendizaje automático para desarrollar modelos que utilizan las características acústicas de las conversaciones de una persona para identificar si pueden tener la enfermedad de Alzheimer temprana.
  • Si más pruebas resultan exitosas, los modelos podrían ayudar a identificar las primeras etapas de la afección a través de una aplicación de teléfono inteligente o en línea.

La enfermedad de Alzheimer implica una degeneración progresiva en las partes del cerebro que gobiernan los pensamientos, la memoria y el lenguaje.

Los Centros para el Control y la Prevención de Enfermedades (CDC) informan que en 2020, hasta 5.8 millones de personas en los Estados Unidos vivían con la enfermedad.

La investigación sugiere que el diagnóstico temprano es importante porque brinda a los médicos la oportunidad de iniciar intervenciones clínicas lo antes posible para controlar los síntomas de la persona.

Sin embargo, actualmente no se dispone de herramientas económicas, fiables y de fácil acceso para diagnosticar la enfermedad de Alzheimer durante su etapa preclínica.

Un posible indicador de diagnóstico puede ser que en las conversaciones diarias, las personas con la enfermedad tienden a hablar más lentamente, haciendo pausas mientras intentan encontrar las palabras adecuadas. Como resultado, su habla puede carecer de fluidez en comparación con las personas sin la afección.

Científicos de McCann Healthcare Worldwide, la Universidad Médica y Dental de Tokio, la Universidad de Keio y la Universidad de Kyoto en Japón razonaron que un modelo completamente automatizado podría usar características acústicas del habla, como pausas, tono e intensidad de la voz, para predecir quién tiene probabilidades de desarrollar Enfermedad de Alzheimer.

Utilizaron el aprendizaje automático para crear modelos que creen que eventualmente podrían ser tan buenos o incluso mejores que una prueba estándar que usan los médicos para diagnosticar la enfermedad.

Los científicos han informado de sus resultados en PLOS ONE.

Algoritmos de aprendizaje automático

El equipo utilizó tres algoritmos de aprendizaje automático para analizar los datos de voz de 24 personas con enfermedad de Alzheimer y 99 personas sin la enfermedad de Alzheimer, todas las cuales tenían 65 años o más.

Las grabaciones de audio provienen de un programa de salud pública en Hachioji en el que los participantes hablaban por teléfono sobre cambios en el estilo de vida para reducir el riesgo de demencia.

Como parte del programa, los participantes también se sometieron a la versión japonesa de una prueba estándar de funcionamiento cognitivo llamada Entrevista telefónica para el estado cognitivo (TICS-J).

Para el nuevo estudio, los científicos utilizaron características vocales de algunas de las grabaciones de audio para entrenar los algoritmos de aprendizaje automático para diferenciar entre personas con enfermedad de Alzheimer y controles.

Utilizaron el resto de las grabaciones para medir el rendimiento de los modelos resultantes.

Uno de los modelos, que se basó en un algoritmo llamado refuerzo de gradiente extremo (XGBoost), se desempeñó mejor que TICS-J, aunque la diferencia entre los dos no alcanzó el umbral de significación estadística.

Alimentar al modelo con varios archivos de audio de cada individuo mejoró la confiabilidad de sus predicciones.

Tanto XGBoost como TICS-J tuvieron una puntuación de sensibilidad del 100%, lo que significa que no hubo falsos negativos: todos los participantes a los que las pruebas identificaron como que no tenían la enfermedad de Alzheimer no tenían la enfermedad.

XGBoost también obtuvo una puntuación perfecta de especificidad, lo que significa que no hubo falsos positivos, y todas las personas que definió como con enfermedad de Alzheimer eran de hecho personas con esta afección. En comparación, TICS-J solo obtuvo un 83.3%.

En otras palabras, el 16.7% de los participantes a quienes TICS-J consideró que tenían la enfermedad de Alzheimer en realidad tenían una buena salud cognitiva.

Los investigadores dicen que los desarrolladores podrían incorporar su modelo en sitios web o aplicaciones móviles, permitiendo que el público en general acceda a él por sí mismos.

Creen que una herramienta de predicción de este tipo podría orientar a las personas en las primeras etapas de la enfermedad a buscar ayuda profesional.

Ellos concluyen:

“Nuestro logro en predecir bien [la enfermedad de Alzheimer] utilizando solo las características vocales de la conversación diaria indica la posibilidad de desarrollar una herramienta de preselección para [la enfermedad de Alzheimer] entre la población general que sea más accesible y de menor costo”.

“Ahora estamos planeando realizar esta prueba nuevamente con un tamaño de muestra más grande en el nuevo campo para fines de este año para validar aún más nuestros resultados”, dijo el autor principal Akihiro Shimoda de McCann Healthcare Worldwide en Tokio.

“McCann Health quiere mejorar aún más este método de detección de diagnóstico para desarrollar su propio servicio llamado 'Dearphone' destinado a contribuir a la prevención y detección temprana de la demencia”, dijo a "Detonic.shop".

Dijo que junto con las aplicaciones y las plataformas en línea, los desarrolladores podrían incorporar su modelo en un servicio telefónico convencional para personas mayores que no usan un teléfono inteligente o una computadora.

“En realidad, estamos buscando un socio que pueda colaborar con nosotros para desarrollar e implementar nuestro modelo a la sociedad”, agregó.

Limitaciones del estudio

Una de las principales limitaciones del estudio fue que utilizó datos de audio de personas que ya habían recibido un diagnóstico de enfermedad de Alzheimer.

Para confirmar que el modelo funciona, los investigadores deberían probarlo en una muestra más grande de la población general y luego seguirlos a lo largo del tiempo para ver quién desarrolló la afección.

Los autores señalan algunas otras limitaciones de su trabajo. Por ejemplo, el estudio no diferencia entre personas con enfermedad de Alzheimer y personas con deterioro cognitivo leve, que pueden tener diferentes características del habla. Además, el tamaño de la muestra fue relativamente pequeño.

También señalan que un modelo futuro podría incorporar el contenido del habla y la estructura de las oraciones para mejorar su desempeño.

Nos gustaría informarle sobre otro proyecto muy interesante que ayuda a ganar dinero en el mundo moderno: señales comerciales sobre el próxima bomba de criptomonedas en Binance intercambio del canal secreto de Telegram de los inversores. Mire en YouTube sobre señales de bomba criptográfica y club VIP de comerciantes.