El aprendizaje automático puede identificar signos de Alzheimer en pacientes que recuerdan la historia de Cenicienta

El aprendizaje automático puede identificar signos de Alzheimer en pacientes que recuerdan la historia de Cenicienta

Una nueva investigación realizada por científicos del Centro de Investigación de Neurociencias en St George's ha determinado la dureza y las restricciones de varios trabajos utilizados para detectar los primeros signos de la enfermedad de Alzheimer a través de la evaluación del habla y el aprendizaje automático. Fronteras en Ciencias de la Computación, la investigación muestra que si bien el aprendizaje automático se puede utilizar para evaluar los patrones del habla en busca de signos de afección, el trabajo de detalles asignado a la persona que se está revisando juega un papel importante en la precisión del examen.

Un estudio de investigación anterior realizado por el equipo ha revelado que la enfermedad de Alzheimer afecta el lenguaje de antemano en la enfermedad y, por lo tanto, los análisis del lenguaje se pueden utilizar para detectar la enfermedad en una fase anterior. Cuanto antes se obtenga, los tratamientos más rápidos se pueden tener en cuenta para ayudar al individuo.

Esta investigación más reciente incluye en la prueba la búsqueda para evaluar las acciones y los trabajos que se pueden utilizar para verificar si hay Alzheimer. Al grabar el sonido de los trabajos realizados por individuos, el grupo de estudio de investigación después de eso utilizó un programa de aprendizaje automático, establecido en St George's, para evaluar signos de condición.

Los trabajos utilizados en la investigación representan una variedad de enfoques utilizados en situaciones de atención médica. Una de las técnicas más habituales que utilizan los profesionales médicos es pedir a los pacientes que definan una escena denominada imagen del “Robo de cookies”. Otras técnicas consisten en pedirle al individuo que cuente una historia descubierta, como los cuentos de hadas ampliamente conocidos como Cenicienta, un trabajo complicado que requiere que incorporen una colección de personalidades y ocasiones en una línea de tiempo que puedan recordar.

Para esta investigación, los científicos hicieron uso de los análisis en exceso, junto con el recuerdo paso a paso (indicando cómo hacer una taza de té), un recuento narrativo único (que explica una historia a partir de fotos ofrecidas en una publicación de cuentos para niños sin palabras). , así como el habla conversacional (que ofrece direcciones a un individuo adicional, explica un camino a través de sitios en un mapa), para detectar signos de Alzheimer a través de la evaluación del habla.

Después de examinar los resultados de 50 personas de prueba (25 con enfermedad de Alzheimer moderada o discapacidad cognitiva moderada, así como 25 controles sanos y equilibrados), el grupo descubrió que contar una historia sobreaprendida, como Cenicienta, proporcionaba los resultados más precisos. El sistema de aprendizaje automático utilizado tenía la capacidad de identificar si un individuo tenía Alzheimer o una discapacidad cognitiva moderada con un 78% de precisión, con la tarea "Robo de galletas" muy cerca del 76%, resultados que son comparables a las pruebas existentes para la enfermedad. Las otras tareas evaluadas arrojaron precisiones que oscilaron entre el 62% (recuento narrativo novedoso) y el 74% (recuerdo procedimental).

"Nuestro programa de resultados que al cambiar los trabajos utilizados para evaluar la enfermedad de Alzheimer, podemos detectar la enfermedad con mayor precisión a través de la evaluación del habla", dice el autor del estudio y doctorado de último año. estudiante de St George's, Natasha Clarke.

Al señalar que se necesitan estudios más amplios para mejorar aún más la comprensión de sus evaluaciones, Clarke agrega: "En el futuro, deseamos que esta tecnología moderna se pueda utilizar desde otra ubicación, como a través de aplicaciones de dispositivos inteligentes, minimizando el estrés y la ansiedad. alrededor de la detección de la enfermedad. Si podemos simplificar la detección, después de eso, idealmente podemos identificar la afección antes y comenzar a tratar con las personas más rápido ".

Siguiendo los resultados de esta investigación, el grupo actualmente desea adherirse a las personas de la investigación un año más tarde para evaluar los ajustes con el tiempo y descubrir más sobre el desarrollo de la condición.

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.