Avance de IA detecta el Alzheimer temprano con teléfonos inteligentes

Resumen: Los investigadores están desarrollando un modelo de aprendizaje automático destinado a la detección temprana de la demencia de Alzheimer. Este modelo, potencialmente accesible a través de un teléfono inteligente, es capaz de distinguir entre pacientes de Alzheimer e individuos sanos con una precisión del 70-75%.

Al centrarse en los patrones del habla en lugar del contenido, la herramienta podría ofrecer indicadores tempranos invaluables, lo que podría iniciar un tratamiento temprano y ralentizar la progresión de la enfermedad.

Si bien no reemplaza a los profesionales de la salud, podría mejorar los servicios de telesalud y ayudar a superar las barreras geográficas o de idioma.

Aspectos principales:

1. El modelo de aprendizaje automático puede identificar a los pacientes de Alzheimer de individuos sanos con una precisión del 70-75 %.
2. La herramienta analiza las características acústicas y lingüísticas del habla en lugar de palabras específicas para detectar enfermedades.
3. La aplicación de este modelo podría ser una herramienta de detección simple y accesible en los teléfonos inteligentes, proporcionando indicadores tempranos de la enfermedad de Alzheimer.

Fuente: universidad de alberta

Los investigadores están tratando de hacer posible la detección temprana de la demencia de Alzheimer con un modelo de aprendizaje automático (ML) que algún día podría convertirse en una herramienta de detección simple que cualquier persona con un teléfono inteligente podría usar.

El modelo fue capaz de distinguir a los pacientes de Alzheimer de los controles sanos con una precisión del 70-75 %, una cifra prometedora para los más de 747 000 canadienses que tienen Alzheimer u otra forma de demencia.

La demencia de Alzheimer puede ser difícil de detectar en sus primeras etapas porque los síntomas a menudo comienzan de manera muy sutil y pueden confundirse con problemas relacionados con la memoria típicos de la vida posterior. Pero como señalan los investigadores, cuanto antes se detecten los problemas potenciales, antes los pacientes podrán comenzar a actuar.

“Antes, habrías necesitado análisis de laboratorio e imágenes médicas para detectar cambios en el cerebro; eso toma tiempo, es costoso y nadie se prueba tan pronto”, dice Eleni Stroulia, profesora del Departamento de Ciencias de la Computación que participó en la creación del modelo.

“Si pudiera usar teléfonos celulares para obtener un indicador temprano, informaría la relación del paciente con su médico. Potencialmente, comenzaría el tratamiento antes, e incluso podríamos comenzar con intervenciones simples en el hogar, incluso con dispositivos móviles, para retrasar la progresión”.

Una herramienta de detección no reemplazaría a los trabajadores de la salud. Sin embargo, además de ayudar a la detección temprana, crearía una forma rentable de identificar problemas potenciales a través de telesalud para pacientes que pueden enfrentar barreras geográficas o de idioma para acceder a los servicios en su área, explica Zehra Shah, estudiante de maestría en el Departamento de informática y primer autor del artículo.

“Podemos pensar en la clasificación de pacientes usando este tipo de tecnología basada completamente en el habla”, dice Shah.

Si bien el equipo de investigación examinó previamente el lenguaje utilizado por los pacientes con demencia de Alzheimer, para este proyecto observaron las características acústicas y lingüísticas del habla independientes del lenguaje en lugar de palabras específicas.

“El trabajo original implicó escuchar lo que dice la persona, comprender lo que dice, el significado. Este es un problema computacional más simple de resolver”, dice Stroulia. “Ahora estamos diciendo, escucha la voz. Hay ciertas propiedades en la forma en que la gente habla que trascienden el lenguaje».

“Es mucho más poderoso que la versión del problema que estábamos resolviendo antes”, agrega Stroulia.

Los investigadores comenzaron con las características del habla que los médicos han observado que son comunes en los pacientes con demencia tipo Alzheimer. 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 en características vocales que el modelo podría examinar.

Aunque los investigadores se centraron en hablantes de inglés y griego, «esta tecnología tiene el potencial de usarse en varios idiomas», dice Shah.

Y aunque el modelo en sí es complejo, la experiencia de usuario final de una herramienta que lo incorpora no podría ser más sencilla.

«Una persona habla con la herramienta, hace un análisis y hace una predicción: o sí, la persona tiene Alzheimer, o no, no lo tiene», dice Russ Greiner, colaborador del artículo y profesor del Departamento. de Ciencias de la Computación. Esa información se puede llevar a un profesional de la salud para determinar el mejor curso de acción para la persona.

Tanto Greiner como Stroulia lideran el Grupo de Investigación de Psiquiatría Computacional de la U of A, cuyos miembros han creado modelos y herramientas de IA similares para detectar trastornos psiquiátricos como el TEPT, la esquizofrenia, la depresión y el trastorno bipolar.

“Cualquier cosa que podamos hacer para amplificar los procesos clínicos, informar los tratamientos y controlar la enfermedad antes con menos costo es excelente”, dice Stroulia.

Conozca estas noticias sobre el aprendizaje automático y la investigación de la enfermedad de Alzheimer

Autor: Adrianna MacPherson
Fuente: universidad de alberta
Contacto: Adrianna MacPherson – Universidad de Alberta
Imagen: La imagen está acreditada a Neuroscience News.

Investigacion original: Los resultados se presentarán en ICASSP 2023—2023 IEEE International Conference on Acoustics, Speech and Signal Processing