Estás leyendo la publicación: Investigadores de la Universidad Northwestern utilizaron el aprendizaje automático para identificar patrones de habla en niños con autismo que coincidían entre el inglés y el cantonés
Según las observaciones, los niños con autismo suelen hablar más despacio que los niños con un desarrollo similar. Difieren en su forma de hablar en otros aspectos, sobre todo en el tono, la entonación y el ritmo. Es muy desafiante describir de manera consistente y objetiva estas distinciones “prosódicas”, y han pasado décadas desde que se identificaron sus raíces. Investigadores de la Universidad Northwestern y Hong Kong colaboraron en un estudio para arrojar luz sobre las causas y el diagnóstico de esta enfermedad. Este método utiliza el aprendizaje automático para encontrar patrones de habla en niños autistas que son similares en cantonés e inglés. Los investigadores ahora pueden discriminar entre las influencias hereditarias y ambientales en las habilidades de comunicación de las personas autistas, permitiéndoles comprender mejor las causas del trastorno y crear tratamientos novedosos. Los increíbles resultados también fueron recientemente publicado en la revista PLOS One.
El equipo de estudio creó efectivamente un algoritmo de aprendizaje automático supervisado para reconocer las variaciones del habla relacionadas con el autismo. El conjunto de datos de entrenamiento consistió en grabaciones de niños pequeños con y sin autismo que describían sus versiones de los eventos descritos en el libro ilustrado para niños sin palabras “Rana, ¿dónde estás?” en inglés y cantonés. Dadas las diferencias estructurales entre el inglés y el cantonés, los investigadores plantearon la hipótesis de que cualquier similitud en el patrón del habla observada en niños autistas en ambos idiomas probablemente se deba a factores hereditarios. Los investigadores también vieron un espectro de variación que indicaría aspectos más flexibles del habla que podrían convertirse en objetivos de intervención efectivos. Los investigadores lograron un avance considerable al utilizar el aprendizaje automático para identificar los patrones del habla que eran más indicativos de autismo. Anteriormente estaban limitados por el sesgo del idioma inglés en la investigación del autismo y la subjetividad de los humanos cuando se trata de categorizar las variaciones del habla entre personas con y sin autismo.
Fuente: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0269637La investigación condujo al descubrimiento de las características del habla, con el ritmo emergiendo como la característica más importante que puede predecir con precisión el diagnóstico de autismo. Los científicos tienen la esperanza de que su investigación avance en nuestro conocimiento del autismo. Además, creen que la IA tiene el potencial de facilitar el diagnóstico de autismo al disminuir el estrés de los médicos y facilitar el diagnóstico de autismo. El estudio también intenta reconocer y comprender la función de genes particulares y sistemas de procesamiento cerebral asociados con una predisposición hereditaria al autismo. Su objetivo final es comprender mejor los elementos que influyen en las disparidades del habla de las personas con autismo. El equipo investigará si las variaciones de procesamiento en el cerebro contribuyen a los patrones de comportamiento del habla señalados anteriormente y su genética neuronal subyacente. Están increíblemente ansiosos por explorar más de este territorio desconocido.
Este artículo está escrito como un artículo resumido por el personal de Marktechpost basado en el documento ‘Patrones interlingüísticos de las diferencias prosódicas del habla en el autismo: un estudio de aprendizaje automático‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel, blog de referencia.
Por favor, no olvides unirte a nuestro Subreddit de aprendizaje automático
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
Artículo anteriorEn una investigación más reciente sobre el aprendizaje por refuerzo profundo, el equipo de IA de Deepmind busca un enfoque alternativo en el que los agentes de RL pueden utilizar búsquedas de bases de datos sensibles al contexto a gran escala para respaldar sus cálculos paramétricos. Ensayos clínicos al mismo tiempo que permiten que Pharma tenga acceso a los pacientes
