Detectar l'ELA fins a tres anys abans dels primers símptomes analitzant la parla
El sistema s'ha desenvolupat a la Universitat de Lleida i està basat en tècniques d'intel·ligència artificial
Detectar l'ELA fins a tres anys abans dels primers símptomes analitzant la parla
Detectar l'ELA fins a tres anys abans dels primers símptomes analitzant la parla
La intel·ligència artificial permet detectar l'ELA precoçment per la veu (Unsplash)

Detectar l'ELA fins a tres anys abans dels primers símptomes analitzant la parla

El sistema s'ha desenvolupat a la Universitat de Lleida i està basat en tècniques d'intel·ligència artificial

Xavier Duran
TEMA:
Salut

Investigadors de la Universitat de Lleida (UdL) han dissenyat un sistema automatitzat per identificar de manera precoç, a través de la veu, persones afectades d'esclerosi lateral amiotròfica (ELA).

L'autor principal del treball és Alberto Tena, doctorand de la UdL i investigador del Centre Internacional de Mètodes Numèrics a l'Enginyeria (CIMNE). Els resultats de la recerca els han publicat a la revista JMIR Medical Informatics.

L'ELA és una malaltia neurodegenerativa i els primers símptomes poden aparèixer a la columna, els braços o les cames, i aleshores s'anomena espinal, o bé en el bulb raquidi, situat a la base del tronc encefàlic, i aleshores rep el nom de bulbar.

En aquest segon cas, els símptomes són problemes en la parla i la deglució. L'ELA bulbar és minoritària en relació amb l'espinal, però els pacients tenen un pronòstic pitjor.

A més, un 80% dels pacients d'ELA, sigui espinal o bulbar, acaben experimentant problemes d'articulació en la parla. Aquest deteriorament pot començar fins a 3 anys abans del diagnòstic de la malaltia.


Identificar trets de la veu

Detectar això darrer permetria fer un diagnòstic precoç de l'ELA abans que els símptomes siguin evidents. El deteriorament de la veu es caracteritza per una articulació greument defectuosa, un discurs extremadament lent i laboriós, una marcada hipernasalitat i una aspror severa.

Tena va fer la recerca amb l'enregistrament de la veu de 45 pacients d'ELA de l'Hospital de Bellvitge i de 18 persones sanes que feien de grup control.

Amb l'anàlisi acústica de la pronunciació dels cinc fonemes vocàlics del castellà es van alimentar uns sistemes de machine learning o aprenentatge automàtic. I això ha permès desenvolupar uns marcadors de veu basats en certs trets: fluctuació, brillantor, relació harmònica-soroll i to.

El sistema va permetre identificar i diferenciar els participants amb afectació bulbar, els que no en tenien i el grup de control amb una precisió del 95,8%. Un percentatge molt satisfactori, si tenim en compte que actualment fins a un 10% dels pacients d'esclerosi lateral amiotròfica no són diagnosticats correctament en un primer moment de la seva afectació bulbar.

Millorar el sistema

Alberto Tena ho valora molt positivament:

"Encara queda molta feina, però els primers resultats que hem obtingut mostren que l'afectació bulbar es pot detectar amb models automàtics abans no sigui perceptible per a l'orella humana, i que es poden establir mesures objectives que facilitin un diagnòstic precoç i precís."

Ara caldrà ampliar la base de dades amb més veus i nous paràmetres d'anàlisi que permetin resultats més precisos per millorar la identificació de l'afectació bulbar en els pacients d'ELA.

La resta d'autors que signen l'article són Francesc Clarià i Francesc Solsona, doctors de l'Escola Politècnica Superior de la UdL, que dirigeixen la tesi de Tena; Mònica Povedano, de la Unitat Funcional de Malaltia de Motoneurona de l'Hospital Universitari de Bellvitge, i Einar Meister, de l'Institut de Cibernètica de la Universitat de Tecnologia de Tallinn (Estònia).

ARXIVAT A:
SalutTecnologiaRecerca científica
Anar al contingut