Un sistema de inteligencia artificial de la Universidad de Alicante analiza la entonación y la dicción de la voz para detectar alzhéimer
Los científicos avanzan en un sistema capaz de explicar qué formas de hablar ayudan a detectar señales de la enfermedad
La forma de hablar puede ofrecer pistas sobre el deterioro de la memoria. No solo importa lo que una persona cuenta, sino también cómo pronuncia las palabras, cómo construye las frases o qué entonación utiliza. Investigadores de la Universidad de Alicante han conseguido que una inteligencia artificial identifique estos cambios en grabaciones de voz con una precisión experimental del 98 % en uno de los modelos desarrollados para detectar posibles señales tempranas del alzhéimer. Con este fin, se analiza la semántica, la coherencia en la conversación y cierta dicción en la pronunciación de determinadas palabras.
El avance del grupo de investigación Lucentia, realizado en colaboración con el Instituto de Investigación Sanitaria y Biomédica de Alicante (Isabial) y el neurólogo Ángel Pérez Sempere, se centra ahora en conocer qué aspectos concretos del habla hacen que el sistema identifique una posible alteración. El objetivo es que la herramienta no se limite a ofrecer un resultado, sino que permita entender por qué llega a esa conclusión y facilite a los médicos la comprobación de sus resultados. Estos datos se han dado a conocer durante el congreso sobre enfermedades neurodegenerativas, IA y big data que se celebra en la Universidad de Alicante.
Grabaciones
Para ello, los investigadores han desarrollado dos formas de analizar las grabaciones. Una estudia el contenido de las respuestas después de convertir la voz en texto. Así, la inteligencia artificial comprueba si la persona mantiene la coherencia al conversar, si encuentra las palabras adecuadas o si tiene dificultades para expresar determinadas ideas, tal y como ha explicado el catedrático de la UA y director de la Cátedra Enia de Inteligencia Artificial.
La segunda analiza directamente cómo habla el participante. El sistema estudia la pronunciación, la dicción y la entonación para localizar características que puedan servir como señales de alerta. Esta vía ha proporcionado los resultados más llamativos del trabajo: al analizar las grabaciones mediante diferentes modelos de inteligencia artificial, los investigadores alcanzaron un 98 % de exactitud en la clasificación de las muestras. La combinación de los dos sistemas, el que estudia la voz y el que analiza el contenido de las respuestas, consiguió una precisión superior al 90 %.
La IA debe explicar sus resultados
Uno de los aspectos más destacados de la investigación es que el equipo trabaja para identificar qué elementos del habla tienen más peso cuando la IA clasifica una grabación. Por ejemplo, puede señalar qué palabras o características de la pronunciación han influido especialmente en el resultado.
Esta posibilidad resulta especialmente importante en el ámbito sanitario, donde no basta con que un programa indique que una persona presenta posibles señales de deterioro cognitivo.
Los investigadores han incorporado herramientas que permiten interpretar cómo toma sus decisiones el sistema. Esa información debe contrastarse con los especialistas en Neurología, que son quienes pueden determinar si los cambios identificados tienen relevancia clínica.
Para realizar las pruebas se utilizaron grabaciones de 184 personas sin diagnóstico de la enfermedad y de otras 39 que ya habían sido diagnosticadas. Los investigadores emplearon muestras diferentes para enseñar al sistema a reconocer los patrones y comprobar después su capacidad para clasificar nuevas grabaciones.
Todavía necesita más pacientes
Pese a los resultados, el equipo advierte de que el trabajo constituye una primera prueba de concepto, desarrollada en aproximadamente seis meses. La precisión del 98 % corresponde a los ensayos realizados y no significa que la herramienta pueda diagnosticar ya el alzhéimer con esa fiabilidad en una consulta médica.
El siguiente paso consiste en ampliar el número de participantes y realizar estudios clínicos más extensos, además de mejorar los recursos tecnológicos para poder extender el uso del sistema.
La herramienta se basa en una aplicación móvil en la que los participantes responden a preguntas sencillas sobre su memoria y orientación mientras se graba su voz. Entre los ejercicios figuran recordar dónde suelen dejar objetos cotidianos, identificar elementos, nombrar palabras o responder a cuestiones sobre fechas y acontecimientos personales.
Las grabaciones se procesan en servidores propios de los investigadores y se protegen mediante sistemas de anonimización y cifrado. La intención es que el análisis de la voz pueda convertirse en una ayuda para reconocer posibles señales de alerta y facilitar la evaluación de los pacientes, sin sustituir las pruebas ni el diagnóstico de los neurólogos.
TDAH y autismo
El grupo Lucentia desarrolla también herramientas para la detección temprana del trastorno por déficit de atención e hiperactividad (TDAH) y trabaja en el diagnóstico diferencial entre este trastorno y el trastorno del espectro autista (TEA).
En esta última línea se combinan técnicas de neuroimagen, análisis de grandes volúmenes de datos y sistemas de gamificación. Durante las pruebas se registran distintas señales fisiológicas, como la sudoración, y se analiza hacia dónde dirige la mirada cada participante mientras realiza los ejercicios. La combinación de estos indicadores permite estudiar las respuestas de los participantes desde diferentes perspectivas.
Fuente: informacion.es
