Análisis del habla espontánea en la enfermedad de Parkinson mediante procesamiento del lenguaje natural
|
Aspectos destacados • Se analizó el habla espontánea de pacientes con enfermedad de Parkinson (EP). • Los pacientes con EP hablaban menos morfemas en una oración que los controles sanos. • Los pacientes con EP tenían una tasa más alta de verbos y una tasa más baja de sustantivos que los controles. • Las tasas de precisión de la discriminación utilizando elementos de lenguaje identificados fueron superiores al 80 %. |
Introducción
Los pacientes con enfermedad de Parkinson (EP) enfrentan una variedad de problemas relacionados con el habla, que incluyen disartria y trastornos del lenguaje. Para dilucidar los mecanismos fisiopatológicos de la alteración lingüística en la EP, comparamos la pronunciación de los pacientes y la de los controles sanos (HC) utilizando herramientas de análisis morfológico automatizado.
Métodos
Inscribimos a 53 pacientes con enfermedad de Parkinson (EP) con función cognitiva normal y 53 HC, y evaluamos su habla espontánea mediante el procesamiento del lenguaje natural. Se utilizaron algoritmos de aprendizaje automático para identificar las características de la conversación espontánea en cada grupo. En este análisis se utilizaron treinta y siete características centradas en la parte del discurso y la complejidad sintáctica. Se entrenó un modelo de máquina de vectores de soporte (SVM) con validación cruzada de diez veces.
Resultados
Se encontró que los pacientes con enfermedad de Parkinson (EP) hablaban menos morfemas en una oración que el grupo de controles sanos (HC). En comparación con HC, el habla de los pacientes con EP tenía una tasa más alta de verbos, partículas de casos (dispersión) y enunciados de verbos, y una tasa más baja de enunciados de sustantivos comunes, enunciados de nombres propios y enunciados de relleno. Usando estos cambios conversacionales, las tasas de discriminación respectivas para PD o HC fueron más del 80%.
Conclusiones
Nuestros resultados demuestran el potencial del procesamiento del lenguaje natural para el análisis lingüístico y el diagnóstico de la EP.
Comentarios
Usando inteligencia artificial (IA) para procesar el lenguaje natural, un grupo de investigación evaluó las características del habla entre pacientes con enfermedad de Parkinson (EP). El análisis de AI de sus datos determinó que estos pacientes hablaron usando más verbos y menos sustantivos y rellenos. El estudio fue dirigido por el profesor Masahisa Katsuno y el Dr. Katsunori Yokoi, de la Facultad de Medicina de la Universidad de Nagoya, en colaboración con la Universidad de la Prefectura de Aichi y la Universidad Tecnológica de Toyohashi. Publicaron sus resultados en la revista Parkinsonism & Related Disorders.
La tecnología de procesamiento del lenguaje natural (NLP) es una rama de la IA que se enfoca en permitir que las computadoras comprendan e interpreten grandes cantidades de datos del lenguaje humano utilizando modelos estadísticos para identificar patrones. Dado que los pacientes con EP experimentan una variedad de problemas relacionados con el habla, incluida la alteración de la producción del habla y el uso del lenguaje, el grupo utilizó la PNL para analizar las diferencias en los patrones del habla de los pacientes en función de 37 características utilizando textos elaborados a partir de conversaciones libres.
El análisis reveló que los pacientes con EP usaban menos nombres comunes, nombres propios y rellenos por oración. Por otro lado, hablaron usando un mayor porcentaje de verbos y varianza de partículas de casos (una característica importante del idioma japonés) por oración.
Según Yokoi, “cuando les pedí que hablaran sobre su día por la mañana, un paciente con EP podría decir algo como lo siguiente, por ejemplo: 'Me desperté a las 4:50 am. Pensé que era un poco temprano, pero me levanté. Me tomó alrededor de media hora ir al baño, así que me lavé y me vestí alrededor de las 5:30 am. Mi esposo preparó el desayuno. Desayuné después de las 6 am. Luego me cepillé los dientes y me preparé para salir'”.
Yokoi continuó: “Mientras que alguien del grupo de control saludable podría decir algo como esto: 'Bueno, en la mañana, me desperté a las seis en punto, me vestí y, sí, me lavé la cara. Luego, alimenté a mi gato y perro. Mi hija preparó una comida, pero le dije que no podía comer y yo, umm, bebí un poco de agua'”.
“Si bien estos son ejemplos que creamos de conversaciones que reflejan las características de las personas con EP y las personas sanas, lo que debería ver es que la duración total es similar”, explicó Yokoi. “Sin embargo, los pacientes con EP hablan oraciones más cortas que las personas del grupo de control, lo que genera más verbos en el análisis de aprendizaje automático. El control saludable también usa más rellenos, como 'bueno' o 'umm', para conectar oraciones”.
El aspecto más prometedor de esta investigación es que el equipo realizó el experimento en pacientes que aún no mostraban el deterioro cognitivo característico que se observa en la EP. Por lo tanto, sus hallazgos ofrecen un medio potencial de detección temprana para distinguir a los pacientes con EP.
“Nuestros resultados sugieren que, incluso en ausencia de deterioro cognitivo, las conversaciones de los pacientes con EP diferían de las de los sujetos sanos”, concluye el profesor Katsuno, director del estudio. “Cuando intentamos identificar pacientes con EP o controles sanos en función de estos cambios en la conversación, pudimos identificar pacientes con EP con una precisión de más del 80 %. Este resultado sugiere la posibilidad de un análisis del lenguaje utilizando el procesamiento del lenguaje natural para diagnosticar la EP”.