Redes siamesas multimodales para la detección de demencia a partir del habla en mujeres

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• Procesamiento del habla

Sus antecedentes:

• La demencia plantea un importante desafío para la salud mundial, que afecta especialmente a las mujeres.
• Los métodos actuales de diagnóstico a menudo son invasivos, costosos y carecen de precisión.
• Hay una necesidad crítica de herramientas de detección temprana no invasivas y precisas.

Objetivo del estudio:

• Desarrollar y validar un método no invasivo para la detección temprana de la demencia en mujeres que utilizan el habla.
• Aprovechar los datos multimodal (audio y transcripción) para mejorar la precisión del diagnóstico.
• Mejorar la calidad de vida de las personas en riesgo mediante la intervención temprana.

Principales métodos:

• Utilizó redes siamesas multimodales para analizar tanto el audio del habla como las transcripciones.
• Utilizó un conjunto de datos completo que incluía grupos de control, demencia y diagnóstico incierto.
• Evalué el modelo en la base de datos del Banco de Demencia.

Principales resultados:

• Logró una precisión de diagnóstico del 99% para la detección de demencia.
• Demostró un área bajo la curva (AUC) de 0,99, lo que indica un rendimiento sólido.
• Mostró mejoras significativas con respecto a los enfoques anteriores de detección de demencia.

Conclusiones:

• El enfoque multimodal propuesto ofrece un método altamente preciso y no invasivo para la detección temprana de la demencia.
• El análisis del habla utilizando redes siamesas muestra una promesa para la aplicación clínica en el diagnóstico de la demencia.
• Esta tecnología puede facilitar las intervenciones oportunas, mejorando los resultados y la calidad de vida de los pacientes.