A doença de Alzheimer (DA) é a forma mais comum de demência. É importante iniciar a intervenção desde um estágio inicial, por exemplo, o estágio de comprometimento cognitivo leve (MCI), para prevenir ou retardar a progressão da DA. Para a detecção precoce de AD e MCI, há uma necessidade crescente de desenvolver ferramentas de triagem fáceis de usar e autoadministradas para uso na vida cotidiana.
A fala é uma fonte de dados promissora que pode ser usada para desenvolver tais ferramentas de triagem. Deficiências de linguagem foram observadas nos estágios iniciais da DA, e recursos linguísticos que caracterizam essas deficiências foram usados para a detecção automática da DA. No entanto, a precisão do reconhecimento automático de fala usado para conversão de voz humana em texto geralmente é de pior qualidade no caso de idosos do que em pessoas de outras faixas etárias, representando um desafio para o desenvolvimento de uma ferramenta automática.
Portanto, pesquisadores da Universidade de Tsukuba desenvolveram um protótipo de aplicativo móvel autoadministrado para ajudar na detecção precoce de AD e MCI. Usando este aplicativo, os pesquisadores coletaram e analisaram dados de fala de cinco tarefas cognitivas de 114 participantes, incluindo pacientes com DA, pacientes MCI e participantes cognitivamente normais. As tarefas foram baseadas em avaliações neuropsicológicas usadas para triagem de demência e incluíram descrição de imagens e tarefas de fluência verbal.
Os resultados demonstram que o grau de comprometimento da linguagem avaliado pelos recursos linguísticos, particularmente aqueles relacionados aos aspectos semânticos (por exemplo, informatividade e riqueza de vocabulário), pode ser estimado de forma confiável em baixa precisão de reconhecimento de fala. Além disso, ao combinar esses recursos linguísticos com os recursos acústicos e prosódicos da voz do participante, os modelos de aprendizado de máquina podem detectar MCI e AD de forma confiável, mostrando 88% e 91% de precisão, respectivamente. As descobertas foram publicadas na revista Computer Speech & Language.
Este parece ser o primeiro estudo a mostrar a viabilidade de uma ferramenta de triagem automática e auto-administrada para detectar AD e MCI, capturando de forma confiável deficiências de linguagem, mesmo a partir de dados de fala obtidos em condições de precisão de reconhecimento automático de fala ruins. A ferramenta proposta pode ajudar a aumentar o acesso a ferramentas de triagem para a detecção precoce da DA.
Quer saber mais?
Fonte: https://medicalxpress.com/news/2023-05-self-administered-mobile-app-alzheimer-disease.html