Boala Alzheimer implică degenerarea progresivă în unele părți ale creierului care sunt responsabile de gândire, memorie și limbaj, iar cercetările de dată recentă sugerează că diagnosticul timpuriu este important, deoarece oferă ocazia optimă pentru ca medicii să înceapă intervențiile clinice cât mai curând posibil, pentru a ține sub control simptomele pacientului cu Alzheimer. 

Cu toate acestea, nu sunt disponibile în prezent instrumente necostisitoare, accesibile pe scară largă și de încredere care să diagnosticheze boala Alzheimer în stadiul său preclinic.

Potrivit www.medicalnewstoday.com, un posibil indicator ar putea fi faptul că în conversațiile de zi cu zi, persoanele cu boala Alzheimer tind să vorbească mai lent, să facă pauză pe măsură ce încearcă să își găsească cuvintele potrivite. Drept rezultat, discursului lor le lipsește fluența, în comparație cu vorbirea persoanelor care nu au Alzheimer.

Oamenii de știință de la McCann Healthcare Worldwide, Tokyo Medical and Dental University, Keio University și de la Kyoto University din Japonia au avut o teorie cum că un model complet automatizat ar putea folosi trăsăturile acustice ale vorbirii, cum ar fi pauzele, intensitatea vocii și timbrul vocal, pentru a prezice cine are un risc mai mare de a dezvolta boala Alzheimer.

Cercetătorii au folosit inteligența artificială (principiul de machine learning) pentru a crea modele despre care ei cred că ar putea să fie, ulterior, la fel de bune sau chiar mai bune decât un test standard pe care medicii îl folosesc pentru a diagnostica boala Alzheimer. Rezultatele au fost publicate în revista PLOS ONE.

Algoritmi și trăsături vocale

Echipa a folosit trei algoritmi de machine learning pentru a analiza informațiile despre vocile a 24 de persoane cu boala Alzheimer și de la 99 de persoane fără această boală, dintre care toate aceste persoane aveau 65 de ani și peste. Înregistrările audio au provenit dintr-un program de sănătate publică ce a inclus participanți care vorbeau la telefon despre schimbările stilului de viață pentru a-și reduce propriul risc de demență.

Ca parte din program, participanții au fost supuși și unei versiuni standard japoneze a testului de funcționare cognitivă, numit Telephone Interview for Cognitive Status (TICS-J) sau interviu telefonic pentru statusul cognitiv, scrie sursa citată.

Pentru noul studiu, oamenii de știință au folosit trăsături vocale ce proveneau din unele dintre înregistrările audio, pentru a antrena algoritmii de machine learning să facă diferența între persoanele cu boala Alzheimer și persoanele din grupul de control.

Unul dintre modele, care s-a bazat pe un algoritm numit „extreme gradient boosting” sau XGBoost), a avut rezultate mult mai bune decât TICS-J, deși diferența dintre cele două nu a fost semnificativă din punct de vedere statistic.

Atât XGBoost, cât și TICS-J au avut un scor de sensibilitate de 100%, ceea ce înseamnă că nu au oferit rezultate fals nevative – toți participanții pe care testele i-au identificat ca neavând Alzheimer nu aveau această boală.

XGBoost a avut un scor perfect pentru specificitate, ceea ce înseamnă că nu a oferit rezultate fals pozitive și că toți oamenii pe care i-a definit ca având boala Alzheimer erau, într-adevăr, pacienți cu această boală. În comparație, TICS-J a obținut un scor de doar 83,3%. Cu alte cuvinte, 16,7% dintre participanții la care testul TICS-J a arătat că au Alzheimer aveau, de fapt, o stare bună la nivel cognitiv.

Cercetătorii implicați în studiu spun că developerii sau producătorii de dispozitive mobile ar putea să încorporeze modelul lor în website-urile sau aplicațiile mobile, permițând astfel populației generale să aibă acces la XGBoost pentru a accesa acest instrument.

Ei cred că un astfel de instrument predictiv ar putea îndruma oamenii în stadiile cele mai incipiente ale bolii să ceară ajutor din partea unui profesionist din domeniul sănătății.