Marcadores de lenguaje translingüe para la evaluación cognitiva a partir del habla espontánea

Área de la Ciencia:

• La lingüística computacional es la lingüística computacional.
• La neurociencia es la neurociencia.
• La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

• El deterioro cognitivo leve (MCI) es un precursor de la demencia, lo que requiere una detección temprana para la intervención.
• Los métodos actuales de detección pueden ser invasivos o costosos.
• Los marcadores del lenguaje en el habla espontánea ofrecen un enfoque no intrusivo y accesible para la identificación de MCI.

Objetivo del estudio:

• Investigar la eficacia de los marcadores lingüísticos bilingües del habla espontánea para la detección de MCI.
• Para predecir las puntuaciones del Mini-Examen de Estado Mental (MMSE) utilizando estos marcadores de lenguaje.
• Desarrollar un marco sólido para la identificación de MCI y la evaluación cognitiva.

Principales métodos:

• Extrajo características acústicas, semánticas y sintácticas bilingües del habla espontánea.
• Empleado un marco que aborda la complejidad del modelo para tamaños de muestra pequeños y demografías desequilibradas.
• Utilizó un enfoque de aprendizaje multitarea, incorporando la predicción de la clasificación clínica como una prioridad para la predicción de la puntuación MMSE.

Principales resultados:

• Logró una precisión media equilibrada del 78,2% para la detección de MCI.
• Se obtuvo un error promedio de la raíz media cuadrada (RMSE) de 2.705 para la predicción de la puntuación MMSE.
• Se demostró que los marcadores de lenguaje translingual mejoran la detección de MCI a partir del habla espontánea.

Conclusiones:

• Los marcadores de lenguaje bilingüe derivados del habla espontánea son efectivos para identificar el MCI.
• Este enfoque es prometedor para la detección temprana y accesible del deterioro cognitivo.
• El marco desarrollado ofrece una herramienta valiosa para la investigación clínica y potencial apoyo diagnóstico.