Santa Cruz De Tenerife, 3 ago (EFE).
– El análisis acústico de la voz y el habla, combinado con algoritmos de aprendizaje automático, puede convertirse en una herramienta objetiva, no invasiva y de bajo coste para apoyar el diagnóstico y el seguimiento de la esclerosis múltiple, según ha informado este lunes la Universidad de La Laguna.
Así lo demuestra la tesis doctoral ‘Algoritmos de Machine Learning para la Detección y Monitorización del Curso Clínico de la Esclerosis Múltiple mediante el Análisis Acústico de la Voz y el Habla’, defendida por Jonathan Delgado en la Facultad de Psicología y Logopedia de la Universidad de La Laguna.
El trabajo, dirigido por Moisés Betancort y codirigido por Tatiana Romero y Miguel Ángel Hernández, plantea que el habla y la voz contienen información capaz de reflejar alteraciones del sistema nervioso central, incluso cuando todavía no son perceptibles mediante una evaluación clínica convencional.
A partir de esa premisa, el investigador desarrolló y validó modelos basados en inteligencia artificial capaces de distinguir a personas con esclerosis múltiple de individuos sanos y de diferenciar los principales fenotipos de la enfermedad.
La esclerosis múltiple es una enfermedad neurológica compleja cuyo diagnóstico y seguimiento continúan planteando importantes desafíos clínicos, señala el centro docente.
En este contexto, la búsqueda de biomarcadores digitales objetivos, no invasivos y de bajo coste se ha convertido en una de las principales líneas de investigación y la tesis de Delgado parte de la premisa de que la voz y el habla pueden aportar información sobre el estado del sistema nervioso central, lo que permitiría complementar las herramientas empleadas actualmente para detectar la enfermedad y monitorizar su evolución.
El estudio se desarrolló en tres fases complementarias y en primer lugar, el autor realizó una revisión sistemática y un metaanálisis de la literatura científica internacional para identificar qué parámetros acústicos del habla presentan una mayor relación con la evolución de la enfermedad.
Posteriormente, diseñó un modelo capaz de diferenciar a personas con esclerosis múltiple de controles sanos mediante el análisis de distintas características de la voz.
Finalmente, desarrolló un segundo modelo destinado a distinguir entre las formas remitente-recurrente y progresiva de la patología mediante un análisis acústico multidimensional del habla, un aspecto de gran interés para el seguimiento clínico de los pacientes.
Los resultados obtenidos muestran que determinadas características acústicas permiten identificar patrones asociados a la enfermedad con una elevada capacidad de clasificación.
Además, el análisis multidimensional del habla permitió discriminar entre los principales fenotipos clínicos, ofreciendo una herramienta especialmente útil para descartar la progresión de la enfermedad y facilitar la toma de decisiones en el ámbito asistencial.
Los modelos desarrollados no quedaron limitados al ámbito experimental, sino que fueron integrados en aplicaciones informáticas diseñadas para su utilización en entornos clínicos.
Estas herramientas permiten analizar grabaciones de voz realizadas en consulta y obtener, en pocos minutos, un resultado que puede complementar la evaluación realizada por el personal especialista, añade la Universidad de La Laguna, que precisa que el trabajo se desarrolló en colaboración con la Unidad de Esclerosis Múltiple del Hospital Universitario Nuestra Señora de La Candelaria.
EFEasd/cmg