Más allá de la tasa de error de palabras para evaluar el reconocimiento automático del habla en muestras clínicas:...

Área de la Ciencia:

• Lingüística computacional
• La psiquiatría
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• El reconocimiento automático del habla (ASR) es esencial para el procesamiento del lenguaje natural (NLP) en la investigación de salud mental, lo que permite estudios a gran escala y herramientas clínicas escalables.
• Comprender el rendimiento de la RSA en poblaciones clínicas es fundamental para el despliegue seguro y efectivo de estas tecnologías en entornos de atención médica.

Objetivo del estudio:

• Evaluar el rendimiento ASR en muestras de habla de individuos diagnosticados con trastornos del espectro de la esquizofrenia.
• Identificar los factores que influyen en la precisión de la RSA, como la gravedad de los síntomas y las variables demográficas.
• Evaluar el impacto de las transcripciones generadas por ASR en los análisis posteriores de PNL y su correlación con las medidas clínicas.

Principales métodos:

• Análisis de 50 muestras de habla de personas con trastornos del espectro de la esquizofrenia.
• Cálculo de las tasas de error de texto (WER) para las transcripciones ASR.
• Comparación de las transcripciones de ASR con las transcripciones manuales utilizando métricas de PNL como la similitud semántica de GloVe y el número de oraciones.
• Evaluación de las correlaciones entre las métricas de PNL derivadas de las transcripciones ASR y las puntuaciones de los síntomas clínicos.

Principales resultados:

• Las tasas de error de palabras (WER) oscilaron entre 0,31 y 0,58, con variaciones relacionadas con el país de nacimiento y la gravedad de los síntomas positivos.
• Las transcripciones ASR exhibieron una mayor similitud semántica GloVe y menos oraciones en comparación con las transcripciones manuales.
• Las métricas de PNL derivadas de las transcripciones de ASR mostraron correlaciones más débiles con las puntuaciones de síntomas clínicos que las de las transcripciones manuales.

Conclusiones:

• La evaluación del rendimiento ASR en entornos clínicos debe extenderse más allá de WER para incluir el tipo de error, el significado y el contexto.
• Las diferencias en las transcripciones ASR pueden influir en los resultados de los análisis de PNL en la investigación de salud mental.
• El estudio proporciona un marco para evaluar la ASR en la investigación clínica, orientando el desarrollo y la implementación futuros en registros electrónicos de salud, chatbots de voz y sistemas de apoyo a la decisión clínica.