Salud
Un modelo automatizado para detectar a través de la voz los primeros síntomas del ELA
La inteligencia artificial permite mejor el diagnóstico humano con una precisión del 95,8%
Un microscopio de bolsillo de alta resolución
Aunque los primeros síntomas de la enfermedad se manifiestan de forma diferente, un 80% de los pacientes de ELA acaban experimentando problemas de articulación en el habla. Este deterioro puede empezar hasta tres años antes del diagnóstico de la enfermedad, hecho que da importancia a la detección temprana de la afectación bulbar. Uno de los primeros síntomas es el deterioro de la voz caracterizado por una articulación gravemente defectuosa, discurso extremadamente lento y laborioso, marcada hipernasalidad y aspereza severa.
El doctorando de la UdL e investigador del CIMNE Alberto Tena ha trabajado a partir de la grabación de la voz a 45 pacientes de ELA del Hospital de Bellvitge y 18 personas de control. Con el análisis acústico de la pronunciación de las cinco vocales españolas se alimentaron unos sistemas de inteligencia artificial a partir de aprendizaje supervisado de ('machine learning') que han permitido desarrollar unos modelos o marcadores de voz a partir de rasgos del subsistema fonatorio (fluctuación, brillo, relación armónica-ruido y tono).
Según los investigadores, los resultados han estado muy satisfactorios para identificar y diferenciar a los participantes con afectación bulbar, los que no la tenían y el grupo de control, con una precisión próxima al 96%. «Tenemos mucho trabajo por delante todavía, pero los primeros resultados que hemos obtenido muestran que la afectación bulbar se puede detectar con modelos automáticos antes de que sea perceptible para el oído humano, y que se pueden establecer medidas objetivas que faciliten un diagnóstico precoz y preciso», destaca Alberto Tena, que realiza su tesis doctoral con la tutoría de los doctores de la Escuela Politécnica Superior de la UdL Francesc Clarià i Francesc Solsona.
La continuidad del proyecto pasa por ampliar la base de datos con más voces y nuevos parámetros de análisis que permitan resultados más precisos y dirigidos a mejorar la identificación de la afectación bulbar en los pacientes de ELA.