Un equipo de profesionales de Canadá logró desarrollar un modelo capaz de encontrar signos de esta enfermedad en las personas mediante el análisis de patrones.
La enfermedad de Alzheimer, conocida también por sus siglas EA, afecta a más de 50 millones de personas en el mundo, y el envejecimiento de la población hace que puedan ser cada vez más las afectadas en las próximas décadas. A pesar de que los síntomas suelen desarrollarse durante varios años, esta viene precedida de lo que se suele conocer como deterioro cognitivo leve.
No obstante, es difícil lograr descubrir el inicio de la enfermedad durante sus primeras etapas, dado a que, con frecuencia, sus síntomas suelen comenzar a aparecer de manera sutil y puede llegar a confundirse con problemas de memoria típicos de la edad avanzada. A pesar de ello, tal como señalan algunos expertos, cuanto antes puedan detectarse sus señales, los pacientes pueden dar inicio a su tratamiento lo más rápido posible.
Te podria interesar:Día Mundial de la Hipertensión Arterial: la importancia de detectar la batalla del “enemigo silencioso”
Un grupo de científicos de la Universidad de Alberta, Canadá, se puso en cuestionamiento la idea de hacer un diagnóstico más temprano del alzhéimer con un modelo de aprendizaje automático, por 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 tendrá lugar en el ICASSP 2023 Signal Processing Grand Challenge, donde obtuvieron 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”, explica el estudio final de los canadienses.
De esta manera, los profesionales exploraron maneras de utilizar datos del habla para detectar aquellos indicadores de la enfermedad y el modelo logró distinguir a los pacientes de alzhéimer de los controles sanos con una precisión de entre 70 y 75 por ciento.
“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”, detallaron esperanzando a los más de 747 mil pacientes canadienses que poseen esta enfermedad u otro tipo de demencia.
