Cambios en el habla como alerta neurodegenerativa
A través de algoritmos de aprendizaje automático, la voz puede revelar diferentes niveles de deterioro cognitivo y ofrece una alternativa para la detección temprana de este tipo de enfermedades.
Para 2040, la Organización Mundial de la Salud estima que las patologías neurodegenerativas se convertirán en la segunda causa de muerte después de las cardiovasculares. Algunas de las más comunes son la enfermedad de Alzheimer (EA) y de Parkinson (EP). Caracterizadas por un deterioro neuronal progresivo e irreversible, alteran significativamente la vida diaria del paciente y sus habilidades de autocuidado. Esto, impacta tanto su bienestar como el de sus familiares [1].
Si bien no existe una cura, la detección e intervención temprana resultan fundamentales para mejorar la eficacia del tratamiento, reducir complicaciones y retrasar la progresión. Los métodos de diagnóstico oportuno suelen basarse en información demográfica, historia médica, técnicas de neuroimagen, pruebas neuropsicológicas, biomarcadores derivados del líquido cefalorraquídeo e investigación metabolómica. Sin embargo, algunos están limitadas por su carácter invasivo y costoso [1, 2, 3].
Es así como los biomarcadores vocales se presentan como una alternativa prometedora, no invasiva y accesible para la detección temprana [2]. Presentes en la mayoría de las enfermedades neurodegenerativas, cambios leves en el habla pueden revelar manifestaciones en etapas iniciales y proporcionan una alta precisión para su diagnóstico diferencial [1].
Metodología e inteligencia artificial
En este sentido, las vocalizaciones humanas se pueden dividir en tres categorías y sus variaciones determinan el estado de salud de una persona: habla, vocales/sílabas y vocalizaciones no verbales. El paciente debe completar distintas tareas de pronunciación y lectura, que pueden ser grabadas en un laboratorio con equipamiento profesional, como también con teléfonos móviles, tablets o dispositivos portátiles.
Posteriormente, estas grabaciones son procesadas para identificar las características acústicas (frecuencia, tono y volumen), rítmicas (velocidad del habla, tiempo de pausa y patrones de entonación) y lingüísticas (uso de vocabulario y complejidad gramatical) de cada individuo. Mientras que su análisis suele ser a través de algoritmos de aprendizaje automático, donde se extraen las particularidades a partir de una base de datos de voz, se clasifican y se realiza una predicción [1].
Esta tecnología emerge como un método más objetivo al evaluar el habla y el lenguaje, al eliminar la influencia de sesgos del evaluador y del sujeto [1, 6]. El uso de la inteligencia artificial en la recolección, procesamiento y estudio de biomarcadores vocales tiene un gran potencial de aplicación. En cuanto a su utilización en el análisis predictivo, está en una etapa de desarrollo en expansión [1].
Alteraciones lingüísticas del alzhéimer y párkinson
En la enfermedad de Alzheimer, los problemas en el lenguaje aparecen de manera temprana y empeoran a medida que avanza. Si bien el discurso espontáneo sigue siendo fluido, gramaticalmente correcto y sin errores de articulación en las primeras etapas, existe una reducción significativa en la complejidad sintáctica, déficits semánticos y dificultades para encontrar las palabras adecuadas.
Errores fonéticos, menor fluidez oral, pausas más frecuentes y prolongadas, ritmo de habla más lento y un discurso repetitivo son algunos de los indicadores de que la EA se encuentra en etapas medias o avanzadas.
En la enfermedad de Parkinson, un 90% de los pacientes experimentan problemas en el habla. Estos incluyen expresiones más cortas, rapidez al hablar, articulación imprecisa, rango articulatorio limitado y una disminución del volumen y tono. El avance de algoritmos y recolección de datos ha implicado una mejora en la sensibilidad, especificidad y precisión en la detección oportuna [1].
Una aproximación global
A nivel mundial, el Gold Standard de detección y monitoreo de patologías neurodegenerativas no está disponible de manera equitativa. Algunos de ellos son escasos y están distribuidos de manera desigual. Los análisis automatizados del lenguaje y habla no solo ofrecen una solución objetiva e independiente de un examinador, sino que también entregan resultados multidimensionales con un gran potencial de convertirse en marcadores de neurodegeneración globalmente justos.
Sin embargo, esta herramienta está basada principalmente en métodos específicos del inglés y existe una falta de diversidad lingüística. De esta manera, individuos con un mismo diagnóstico pueden tener diferentes disfunciones verbales según su lengua materna. Una situación que se puede abordar con un marco translingüístico e intercultural que identifique propiedades compartidas y distintivas para una mayor representación [4].
Los biomarcadores vocales constituyen un instrumento prometedor en el acceso equitativo al diagnóstico temprano y diferencial de enfermedades neurodegenerativas. A través del uso de nuevas tecnologías como la inteligencia artificial, se evita la subjetividad y se facilita la aplicación. A pesar de que todavía existen limitaciones relacionadas a la diversidad de lenguajes, se presenta como una opción que puede ser utilizada de manera efectiva en todo el mundo.
Referencias:
[1] Chen, S. et al. (2024). Review of voice biomarkers in the screening of neurodegenerative diseases. Interdisciplinary Nursing Research.
[2] Martínez-Nicolás, S. (2021). Ten Years of Research on Automatic Voice and Speech Analysis of People With Alzheimer's Disease and Mild Cognitive Impairment: A Systematic Review Article. Frontiers in Psychology.
[3] Nagumo, R. (2020). Automatic Detection of Cognitive Impairments through Acoustic Analysis of Speech. Current Alzheimer Research.
[4] García, A. (2023). Speech and Language Markers of Neurodegeneration: A Call for Global Equity. Brain.
Por Dominique Vieillescazes Morán
