Análise automatizada da fala na doença de Parkinson

A voz trêmula ... Uma sílaba confusa ... O silêncio estendido entre as palavras ... A cadência pronunciada no final da frase... Para qualquer um de nós, essas e outras inflexões da fala nos permitem inferir as intenções e insinuações do interlocutor, para adivinhar o seu nível de cansaço ou tédio, e ainda avaliar a sua convicção no que diz. No entanto, em mãos de especialistas, esses fenômenos também se tornam pistas importantes para avaliar uma das doenças cerebrais mais prevalentes no mundo: a doença de Parkinson.

A doença de Parkinson afeta uma em cada 100 pessoas com mais de 60 anos. É a segunda doença neurodegenerativa mais comum, superada apenas pela doença de Alzheimer.

Devido aos processos neurodegenerativos que envolvem as vias frontostriadas (circuitos cerebrais que conectam os gânglios da base com as regiões frontal, pré-frontal e cerebelar), os pacientes manifestam distúrbios motores e cognitivos. Os primeiros incluem rigidez, tremores em repouso, lentidão de movimento e, em particular, várias formas de disartria. Este último se tornou um foco de crescente interesse de pesquisa em vários campos.

A disartria é um grupo de doenças neuromusculares que afetam a capacidade de controle dos órgãos da fonação, responsáveis ​​pela produção da fala.

Suas múltiplas manifestações incluem anormalidades no ritmo (por exemplo, o comprimento relativo das sílabas e pausas), entonação (variações no tom ao longo de uma frase) e a transição de um som para outro (por exemplo, a capacidade de ativar prontamente as cordas vocais quando indo de /p/ para /a/ ao dizer 'papai').

No entanto, a avaliação da disartria está longe de ser ideal. Normalmente, são utilizadas ponderações subjetivas, nas quais um único avaliador, com base em sua impressão das habilidades do paciente, estabelece pontuações em escalas de cinco valores (onde 0 é completamente normal e 4 é marcadamente afetado).

Embora essa abordagem seja padronizada mundialmente, ela apresenta claras limitações, pois depende de pessoal altamente qualificado, tende a ter efeito teto em avaliações longitudinais e, em certos contextos, tem baixa validade e confiabilidade. Além disso, é insuficiente traçar distinções sutis entre os múltiplos perfis disártricos documentados até o momento. Acontece que, de paciente para paciente, os distúrbios da fala costumam variar de forma sistemática, mas sutil.

Esses desafios foram enfrentados por um grupo de pesquisadores latino-americanos, liderado pelos doutores Adolfo García (codiretor do Centro de Neurociências Cognitivas da Universidade de San Andrés, Argentina; e Senior Atlantic Fellow do Global Brain Health Institute, da Universidade da Califórnia, San Francisco, EUA) e Juan Rafael Orozco-Arroyave (Professor do Laboratório GITA da Faculdade de Engenharia da Universidade de Antioquia, Medellín, Colômbia; e Pesquisador Adjunto da Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen , Alemanha).

Em um artigo publicado no Movement Disorders, a equipe de García e Orozco-Arroyave implementou uma nova abordagem com três características distintas.

Em vez de empregar avaliações subjetivas, eles usaram métodos automatizados para analisar os sinais acústicos da fala dos participantes. Com essas tecnologias digitais, eles quantificaram aspectos muito diversos e específicos ao nível prosódico (ritmicidade e altura), articulatório (transição entre os sons da fala) e fonêmico (discriminabilidade de cada som produzido).

Para capturar parte da variabilidade disártrica na população, eles avaliaram um grupo de pacientes com perfis cognitivos heterogêneos e, em seguida, realizaram análises adicionais em um subgrupo com comprometimento cognitivo leve e outro com habilidades cognitivas preservadas, todos comparados a participantes saudáveis. Para isso, eles forneceram duas tarefas de produção oral: ler em voz alta e recontar histórias. Os dados obtidos em cada um foram analisados ​​por meio de algoritmos de aprendizado de máquina para identificar as dimensões disártricas mais distintas de cada grupo.

Em todo o grupo (com heterogeneidade cognitiva), assim como no subgrupo com habilidades cognitivas preservadas, a maior identificação de pacientes (com precisão de 84 e 80%, respectivamente) foi obtida pela combinação de medidas prosódicas, articulatórias e fonêmicas durante a tarefa de leitura.

Em contrapartida, no grupo com déficit cognitivo leve, o melhor índice de identificação do paciente foi obtido pela análise fonêmica durante a tarefa de reanálise (com precisão de 87%). Este último padrão até possibilitou a distinção entre pacientes de ambos os subgrupos com uma precisão superior a 70%. “Este achado é notável - ressalta García - já que as avaliações subjetivas realizadas por neurologistas especialistas não conseguem discriminar os pacientes de cada subgrupo”. Por fim, as medidas utilizadas foram capazes de predizer a gravidade dos sintomas cognitivos dos pacientes.

"Esses resultados indicam que as avaliações automatizadas da fala podem contribuir para a avaliação clínica da doença de Parkinson, com vantagens claras sobre as abordagens tradicionais", disse o Dr. Orozco-Arroyave. “Um ponto a destacar - acrescenta García - é que esta abordagem digital supera os vieses da ponderação humana, dispensa corpo clínico especializado, implica em uma redução acentuada de custos e permite uma escalabilidade massiva, mesmo por meio de registros remotos (por exemplo, por telefones celulares)."

Essas vantagens são particularmente relevantes na América Latina, onde muitos centros clínicos carecem de opções de treinamento específicas para a avaliação da disartria e onde os custos das abordagens típicas costumam ser proibitivos para um grande número de pacientes. Nesse sentido, conclui García, “o uso estratégico das inovações digitais no trabalho clínico representa um compromisso com a equidade global no campo da saúde cerebral”.