Cercetătorii au dezvoltat o aplicație pentru smartphone auto-administrată pentru a detecta afecțiunile neurodegenerative precum boala Alzheimer și tulburările cognitive ușoare, prin analiza modelelor de vorbire. Întrucât tulburările subtile de vorbire sunt un indicator precoce al acestor afecțiuni, aceasta poate fi o modalitate ușoară de a obține un diagnostic mai rapid, conform newatlas.com.
În ciuda prevalenței la nivel mondial a bolii Alzheimer (AD), se estimează că 75% dintre persoanele care suferă de această afecțiune nu au fost diagnosticate. Deficiența de limbaj este de obicei unul dintre primele semne ale bolii Alzheimer. De la început, persoanele pot dezvolta o vorbire cu poticniri și au dificultăți în a-și aminti cuvintele sau în a găsi cuvântul potrivit pentru a transmite ceea ce încearcă să spună.
Folosirea tehnologiei pentru a capta schimbările adesea subtile ale vocii unei persoane este o modalitate de a ajuta medicii să diagnosticheze devreme boala Alzheimer și tulburări cognitive ușoare (MCI). Cu cât diagnosticul este mai devreme, cu atât sunt mai mari șansele ca progresul bolii să fie încetinit. Cu toate acestea, recunoașterea tiparelor de vorbire la persoanele în vârstă poate fi dificilă.
Cercetătorii de la Universitatea din Tsukuba (Japonia) și IBM Research au dezvoltat un prototip de aplicație pentru smartphone auto-administrat pentru a analiza cu acuratețe vorbirea cuiva pentru semnele revelatoare ale acestor afecțiuni neurologice.
Cercetătorii au colectat date despre vorbire de la 114 participanți. Răspunsurile lor au fost înregistrate pe un iPad și au fost transcrise folosind serviciul IBM Watson Speech-to-Text de recunoaștere automată a vorbirii. Învățarea automată a fost folosită pentru a clasifica cele trei grupuri – AD, MCI și control – prin intermediul caracteristicilor de vorbire, cercetătorii introducând 92 de caracteristici de vorbire extrase din fiecare sarcină. Studiul a fost publicat în revista Computer Speech and Language.
Cercetătorii au descoperit diferențe semnificative statistic în modelele de vorbire ale participanților de control și ale celor cu AD sau MCI. Mai mult, modelul de învățare automată a detectat AD și MCI cu o acuratețe de 91%, respectiv 88%.
Din cunoștințele lor, acesta este primul studiu care arată fezabilitatea utilizării unui instrument automat, auto-administrat pentru a detecta AD și MCI folosind vorbirea ca marker. Ei propun studii suplimentare pentru a testa dacă variațiile de vorbire preluate de aplicația lor coincid cu modificările patologice observate în aceste condiții.
Cercetătorii recunosc că studiul lor are unele limitări. Datele despre vorbire au fost colectate într-un cadru de laborator, ceea ce ar fi putut influența modul în care participanții au răspuns la întrebări. În al doilea rând, dimensiunea eșantionului a fost mică, ceea ce afectează generalizarea constatărilor studiului.
Cu toate acestea, cercetările lor demonstrează potențialul utilizării analizei vorbirii prin intermediul unei aplicații pentru smartphone-uri autoadministrate pentru a detecta aceste boli debilitante.
