Biomarcadores

Área de la Ciencia:

• Neurociencia; Inteligencia Artificial; Lingüística Computacional

Sus antecedentes:

• El diagnóstico de la enfermedad de Alzheimer (EA) es fundamental, pero los métodos actuales son costosos e inaccesibles.
• La detección cognitiva no invasiva carece de precisión debido a factores subjetivos y ambientales.
• El análisis de biomarcadores del lenguaje ofrece una alternativa estable y conveniente para la detección de la EA.

Objetivo del estudio:

• Desarrollar y validar un marco de IA multimodal para la detección temprana del deterioro cognitivo.
• Aprovechar las representaciones de codificador bidireccional de transformadores (BERT) y otros modelos de aprendizaje automático para el análisis del habla y el texto.
• Identificar biomarcadores clave del lenguaje y acústicos asociados con el declive cognitivo.

Principales métodos:

• Se utilizó un enfoque sistemático para distinguir entre individuos con deterioro cognitivo y controles sanos.
• Se extrajeron características semánticas de la prueba Shanghai Cognitive Screening (SCS) y características de audio utilizando BERT y OpenSMILE de 300 sujetos.
• Se entrenó un modelo CNN para texto y cinco modelos (RF, XGBoost, etc.) para audio, fusionando los resultados mediante votación dura y evaluando la especificidad.

Principales resultados:

• El marco multimodal logró una precisión del 91,80 % y una puntuación F1 del 91,85 %, superando significativamente la prueba MoCA-Basic (precisión del 77,17 %).
• Los biomarcadores clave identificados incluyen un aumento del tiempo de pausa, cambios espectrales en las características acústicas y una reducción de la complejidad semántica en el texto.
• El marco demostró una alta fiabilidad y validez en la distinción del deterioro cognitivo.

Conclusiones:

• El marco multimodal propuesto proporciona un método altamente preciso, rentable y no invasivo para la detección temprana del deterioro cognitivo.
• Los biomarcadores identificados ofrecen información sobre los déficits funcionales tempranos en el declive cognitivo.
• Este enfoque avanza en la comprensión de la EA y facilita el desarrollo de herramientas de detección mejoradas.