Hacia un modelo basado en el habla de la progresión de la enfermedad de Huntington premanifesta utilizando redes...

Área de la Ciencia:

• Neurociencia
• Biología Computacional
• Ciencia del Habla

Sus antecedentes:

• La enfermedad de Huntington (EH) es un trastorno neurodegenerativo progresivo con síntomas motores, cognitivos y psiquiátricos.
• Los métodos de estadificación actuales son insensibles a los cambios tempranos y premanifestos.
• Las anomalías del habla son biomarcadores digitales potenciales, pero distinguir pre-HD de controles es un desafío.

Objetivo del estudio:

• Evaluar la viabilidad de un enfoque solo de voz para discriminar pre-HD de controles sanos.
• Evaluar la efectividad de varios clasificadores de aprendizaje automático y conjuntos de características.

Principales métodos:

• Se recolectaron muestras de voz de 94 individuos con EH (38 pre-EH) y 36 controles utilizando un protocolo estandarizado.
• Se extrajeron 188 características léxicas y prosódicas.
• Se entrenaron cuatro clasificadores (random forest, SVM, XGBoost, DNN) utilizando validación cruzada de 10 veces con diferentes configuraciones de características.

Principales resultados:

• Las redes neuronales profundas (DNN) que utilizan solo el pasaje de la Oruga lograron una precisión del 81% para pre-HD frente a controles.
• La precisión aumentó al 83% para la HD prodrómica y al 87% para todas las HD frente a controles.
• Características o tareas adicionales no mejoraron el rendimiento de la clasificación.

Conclusiones:

• Una tarea de habla breve y estructurada combinada con aprendizaje profundo clasifica con precisión pre-HD.
• El análisis del habla es una herramienta escalable y objetiva para la detección y el seguimiento tempranos de la EH.