Investigadores que trabajan en el Departamento de Salud Pública de McCann Healthcare Worldwide Japan Inc. han creado tres algoritmos que pueden utilizarse para detectar el Alzheimer en pacientes mientras mantienen conversaciones telefónicas. El grupo ha redactado un documento en el que se describen los algoritmos y su eficacia, y lo ha subido al sitio de acceso abierto PLOS ONE.
Pese a que la comunidad científica ha dedicado numerosos esfuerzos en la búsqueda de una cura para el alzhéimer, todavía no se conseguido. Sin embargo, se han logrado importantes avances en la ralentización de esta condición, destacando en los últimos años el uso de las nuevas tecnologías y el desarrollo de novedosas herramientas para los pacientes y sus cuidadores. De acuerdo con estadísticas globales, aproximadamente 5,8 millones de personas en Estados Unidos están afectadas por esta patología, por lo cual se está enfatizando en la detección en etapas tempranas.
Cambios en el habla: clave para detectar el alzhéimer
Investigaciones anteriores han demostrado que algunos de los primeros signos de esta enfermedad son hablar más despacio de lo normal y hacer más pausas durante las conversaciones. De hecho, yas se está trabajando para reconocer las dificultades del habla: un proyecto de un equipo de Japón utiliza la prueba de la Entrevista Telefónica para el Estado Cognitivo (TICS-J), en la que se graban las conversaciones telefónicas y se estudian para ver si hay habla lenta o entrecortada. En este nuevo estudio, los investigadores han sustituido a los humanos que escuchan y analizan las conversaciones telefónicas por un ordenador que ejecuta un algoritmo de aprendizaje automático.
Se diseñaron tres algoritmos diferentes de aprendizaje automático para estudiar los patrones del habla. A todos ellos se les enseñó a identificar signos de alzhéimer utilizando grabaciones de voz de un programa de demencia en curso en Japón. Después de extraer las características vocales de cada archivo de audio, se desarrollaron modelos de aprendizaje automático basados en el refuerzo de gradiente extremo (XGBoost), el bosque aleatorio (RF) y la regresión logística (LR), utilizando cada archivo de audio como una observación. Se evaluó el rendimiento predictivo de los modelos desarrollados mediante la descripción de la curva de características operativas del receptor (ROC), calculando las áreas bajo la curva (AUC), la sensibilidad y la especificidad.
A continuación, se utilizaron otras grabaciones de voz para probar los algoritmos, y los investigadores descubrieron que, por término medio, eran tan buenos o ligeramente mejores que el TICS-J y no daban ningún falso positivo. Los investigadores sugieren que sus algoritmos podrían utilizarse para ofrecer una forma más barata y accesible de realizar pruebas de detección temprana de la enfermedad. Además, realizamos clasificaciones considerando a cada participante como una observación, calculando el promedio del valor predictivo de sus archivos de audio y realizando comparaciones con el rendimiento predictivo del cuestionario basado en TICS-J.
No olvides leer: Después de 20 años la FDA aprueba el uso de Aducanumab medicamento para el Alzheimer
Los modelos de predicción que promedian el valor predictivo de cada archivo de audio para cada participante mostraron un rendimiento aún mayor que los construidos para cada archivo de audio. Los científicos aseguran que se debe interpretar este resultado con precaución, puesto que podría tener potencial para una predicción más robusta de la enfermedad de Alzhéimer mediante la obtención de múltiples archivos de audio de conversaciones diarias para cada participante.
“Los hallazgos de nuestro estudio pueden crear la oportunidad de construir nuevas herramientas para identificar el riesgo de EA utilizando sólo las características vocales obtenidas de las conversaciones diarias por teléfono, como método de pre-selección entre la población general. Podría permitir e impulsar la detección y el diagnóstico tempranos de la demencia, incluido el alzhéimer”. Asimismo, mencionaron que la evolución tecnológica actual -por ejemplo con las herramientas que surgen desde el internet de las cosas o las aplicaciones móviles- este algoritmo podría funcionar como método de monitoreo en casa.
Te recomendamos leer: Científicos logran eliminar el cáncer metastásico de ratones
