Predicción del rendimiento del habla en afasia post-ictus a partir de datos multimodales con aprendizaje automático explicable | JoVE Visualize

Área de la Ciencia:

Neurociencia
Lingüística Computacional
Patología del Habla y del Lenguaje

Sus antecedentes:

La afasia es un impedimento del lenguaje post-ictus común, que a menudo se vuelve crónico.
Los métodos actuales de predicción de la recuperación de la afasia tienen una precisión limitada.
Se necesitan predicciones personalizadas para optimizar las terapias de afasia.

Objetivo del estudio:

Predecir la precisión del habla palabra por palabra en personas con afasia (PWA).
Permitir terapias de habla personalizadas mejorando la precisión de la predicción.
Desarrollar modelos clínicamente aplicables utilizando entradas accesibles y características explicables.

Principales métodos:

Combinó entradas multimodales: puntuaciones clínicas, neuroimagen de RM estructural y métricas de dificultad lingüística palabra por palabra (carga cognitiva y articulatoria).
Utilizó corpus naturalistas (>1 mil millones de palabras) para calcular la dificultad lingüística.
Empleó entrenamiento retrospectivo, validación cruzada y bootstrapping con clasificadores de bosque aleatorio en 4620 ensayos.

Principales resultados:

Los modelos multimodales superaron significativamente a los modelos de entrada única (AUROC hasta 0.90 ± 0.04).
Los predictores clave incluyeron las puntuaciones de la Western Aphasia Battery, las demandas semánticas, la longitud de la palabra (fonemas, sílabas) y la integridad estructural del cerebro.
Un modelo simplificado y clínicamente desplegable (AphasiaLENS) mostró una fuerte generalización prospectiva (AUROC 0.81-0.89).

Conclusiones:

Los modelos de aprendizaje automático que integran la dificultad lingüística, los datos clínicos y la neuroimagen pueden predecir con precisión la precisión del habla de PWA.
Un modelo simplificado y explicable (AphasiaLENS) ofrece una herramienta clínicamente viable para la planificación del tratamiento personalizado de la afasia.
Los hallazgos mejoran la comprensión de las relaciones cerebro-comportamiento en la afasia y guían los objetivos de investigación futuros.