WATCH-SS: Desarrollo de un Marco Modular Confiable y Explicable para la Detección de Deterioro Cognitivo a partir del...

Área de la Ciencia:

• Neurología
• Lingüística Computacional
• Inteligencia Artificial en Medicina

Sus antecedentes:

• La detección temprana del deterioro cognitivo (DC) es vital para el manejo de la enfermedad de Alzheimer y las demencias relacionadas.
• Los métodos de cribado actuales pueden carecer de accesibilidad o eficiencia para su uso generalizado en atención primaria.

Objetivo del estudio:

• Presentar la Herramienta de Evaluación y Alerta de Advertencia para la Salud Cognitiva a partir del Habla Espontánea (WATCH-SS).
• Desarrollar un marco modular y explicable para la detección de DC utilizando el análisis del habla.

Principales métodos:

• WATCH-SS emplea un marco de tres etapas que analiza características lingüísticas y acústicas del habla.
• Incorpora múltiples enfoques de detección, desde métodos eficientes en tiempo real hasta métodos fuera de línea de alta precisión.
• Un modelo predictivo clasifica el DC en función de características resumidas agregadas y clínicamente interpretables.

Principales resultados:

• El marco WATCH-SS demostró un sólido rendimiento predictivo en el conjunto de datos DementiaBank ADReSS.
• Se logró un Área Bajo la Curva (AUC) del 80% en el conjunto de prueba.
• El enfoque modular basado en características proporcionó un perfil de diagnóstico transparente.

Conclusiones:

• WATCH-SS muestra potencial como una herramienta de cribado confiable y clínicamente utilizable para entornos de atención primaria.
• Este análisis basado en el habla representa un avance significativo en la detección temprana de DC.
• La naturaleza explicable de la herramienta apoya la adopción clínica y la confianza del paciente.