Estás leyendo la publicación: Investigadores de la Universidad de Alberta proponen un modelo de detección de la enfermedad de Alzheimer mediante IA utilizando teléfonos inteligentes con una precisión del 70-75 %
El aprendizaje automático ha encontrado una vez más un gran caso de uso en el cuidado de la salud. Esta vez, el desafío de la detección de la enfermedad de Alzheimer se ha enfrentado de frente.
Los investigadores que trabajaban en la Universidad de Alberta estaban trabajando para desarrollar un modelo de aprendizaje automático que puede detectar la demencia en una etapa muy temprana y luego puede señalar al paciente por lo mismo. Se puede acceder a este motor de aprendizaje automático, en el centro de atención, mediante dispositivos computacionales de gama baja, como teléfonos inteligentes, y puede distinguir entre pacientes de Alzheimer e individuos sanos con una precisión media del 70-75%. Funciona analizando el patrón de habla del hablante en lugar de centrarse en lo que está hablando. Luego, la herramienta puede proporcionar indicadores cruciales, que pueden usarse para proporcionar un mejor diagnóstico y tratamiento de la enfermedad.
La demencia causada por el Alzheimer es una tarea difícil de interceptar, especialmente en sus primeras etapas, donde es más importante porque los síntomas son muy discretos y pueden confundirse con problemas de memoria relacionados con la edad. La detección temprana permite que los pacientes y los médicos lo atiendan antes, minimizando el peor de los casos.
Los métodos convencionales para detectar cambios cerebrales asociados con la enfermedad de Alzheimer, como el trabajo de laboratorio y las imágenes médicas, requieren mucho tiempo, son costosos y, por lo general, no se realizan en las primeras etapas. Ahora, usar un teléfono móvil y procesar la entrada de voz en tales casos, eso también en una etapa temprana mejora y facilita una mejor relación médico-paciente. Este uso conduciría a un inicio más temprano del tratamiento y permitiría una posible intervención simple en el hogar, lo que ayudaría a ralentizar la progresión de la enfermedad.
Cabe mencionar que este modelo no pretende reemplazar a los profesionales de la salud; más bien pretende actuar como una herramienta, un servicio de telesalud que se esforzará por proporcionar una forma conveniente de identificar posibles preocupaciones para los pacientes que enfrentan barreras geográficas o de idioma y no tienen mejores instalaciones en su área. Mediante la triangulación de los pacientes probables, los proveedores de atención médica pueden identificar y priorizar las identidades y las condiciones informadas por los marcadores.
El grupo de investigación se centra en las características acústicas y lingüísticas del habla agnósticas del lenguaje en lugar del vocabulario o palabras específicas para desarrollar el modelo, ya que concentrarse en las palabras puede ser engañoso. Los trabajos anteriores involucraron el análisis del lenguaje utilizado por los pacientes de Alzheimer, lo que planteó desafíos computacionales, específicamente problemas de lenguaje cruzado. El enfoque actual enfatiza el estudio de las características de la voz que trascienden la barrera del idioma. Los pacientes con demencia de Alzheimer tienden a hablar más despacio, experimentan más pausas o interrupciones en el habla, usan palabras más cortas y tienen una inteligibilidad reducida. Los investigadores han estudiado y traducido estas características en características del habla que el modelo puede atribuir aún más para analizar la condición.
El modelo en sí es complejo, pero la experiencia de usuario de la herramienta final que lo incorpore sería simple. Los usuarios hablarían al dispositivo, y este analizaría su discurso y daría el resultado, ya sea que tengan Alzheimer o no. Esta información luego se puede compartir con los profesionales de la salud, quienes pueden determinar el mejor curso de acción para el individuo. Aunque el modelo ha sido probado en hablantes de inglés y griego, los investigadores son optimistas de que esta tecnología se puede usar en diferentes idiomas con diferentes dialectos y tonos.
Se han realizado algunos trabajos anteriores en torno a la atención médica y la tecnología que siguen un enfoque algo similar. El grupo de investigación de psiquiatría computacional de la Universidad de Alberta, dirigido por Russ Greiner y Eleni Stroulia, ha desarrollado previamente modelos estadísticos y herramientas similares para detectar trastornos de salud mental como el TEPT, la esquizofrenia, la depresión y el trastorno bipolar.
Cualquier avance técnico sería apreciado en el campo de la atención médica, ya que conduce a decisiones mejor informadas que también se realizan dentro de la cantidad de tiempo adecuada y tiene el potencial de reducir el costo del servicio de atención médica brindado.
