AI detecta patrones de habla autistas en diferentes idiomas

Resumen: Los algoritmos de aprendizaje automático ayudan a los investigadores a identificar patrones de habla en niños en el espectro del autismo que son consistentes entre diferentes idiomas.

fuente: Northwestern University

Un nuevo estudio dirigido por investigadores de la Universidad Northwestern utilizó el aprendizaje automático, una rama de la inteligencia artificial, para identificar patrones de habla en niños con autismo que eran consistentes entre el inglés y el cantonés, lo que sugiere que las características del habla pueden ser una herramienta útil para diagnosticar la condición.

El estudio, realizado con colaboradores en Hong Kong, brindó información que podría ayudar a los científicos a distinguir entre los factores genéticos y ambientales que dan forma a las habilidades de comunicación de las personas con autismo, lo que podría ayudarlos a aprender más sobre los orígenes de la afección y desarrollar nuevos tratamientos.

Los niños con autismo a menudo hablan más despacio que los niños con un desarrollo típico y muestran otras diferencias en el tono, el tono y el ritmo. Pero estas diferencias (que los investigadores denominan «diferencias accidentales») han sido sorprendentemente difíciles de caracterizar de manera coherente y objetiva, y sus orígenes no han quedado claros durante décadas.

Sin embargo, un equipo de investigadores dirigido por los científicos de Northwestern Molly Loach y Joseph CY Lau, junto con el colaborador de Hong Kong Patrick Wong y su equipo, ha utilizado con éxito el aprendizaje automático supervisado para identificar las diferencias del habla asociadas con el autismo.

Los datos utilizados para entrenar el algoritmo fueron grabaciones de hombres jóvenes con y sin autismo que hablaban inglés y cantonés contando su propia versión del guión gráfico en un libro ilustrado para niños sin palabras llamado «Rana, ¿dónde estás?»

Los resultados fueron publicados en la revista MAS UNO El 8 de junio de 2022.

Loach, una Jo-Ann J. pedro f Dolly es profesora de problemas de aprendizaje en la Universidad Northwestern.

«Pero también es interesante la variación que observamos, que puede indicar características de habla más fluidas, que potencialmente serían buenos objetivos para la intervención».

Lau agregó que usar el aprendizaje automático para identificar elementos clave del habla que predijeran el autismo es un importante paso adelante para los investigadores, que se han visto limitados por el sesgo del inglés en la investigación sobre el autismo y la subjetividad humana cuando se trata de clasificar las diferencias del habla. entre autistas y no autistas.

«Usando este método, pudimos identificar los rasgos del habla que pueden predecir un diagnóstico de autismo», dijo Lau, investigadora postdoctoral que trabaja con Loach en el Departamento de Ciencias y Trastornos de la Comunicación de Roxlin y Richard Pepper en Northwestern.

«La más notable de estas características es el ritmo. Esperamos que este estudio sea la base para trabajos futuros sobre el autismo que mejoren el aprendizaje automático».

Los investigadores creen que su trabajo tiene el potencial de contribuir a una mejor comprensión del autismo. Lau dijo que la IA tiene el potencial de facilitar el diagnóstico del autismo al ayudar a reducir la carga de los profesionales de la salud, haciendo que el diagnóstico del autismo sea más accesible para más personas. También podría proporcionar una herramienta que algún día podría trascender las culturas, debido a la capacidad de una computadora para analizar palabras y sonidos de manera cuantitativa, independientemente del idioma.

Dado que las características del habla identificadas mediante el aprendizaje automático incluyen características comunes al inglés, al cantonés y las específicas de un idioma, dijo Loch, el aprendizaje automático podría ser útil para desarrollar herramientas que no solo identifiquen aspectos del habla apropiados para intervenciones terapéuticas, sino que también midan el impacto de esas Intervenciones al evaluar el progreso del hablante a lo largo del tiempo.

Finalmente, los hallazgos del estudio podrían informar los esfuerzos para identificar y comprender el papel de los genes específicos y los mecanismos de procesamiento cerebral involucrados en la susceptibilidad genética al autismo, dijeron los autores. En última instancia, su objetivo es formar una imagen más completa de los factores que componen a las personas con diferencias autistas en el habla.

«Una de las redes cerebrales involucradas es la vía auditiva a nivel subcortical, que está estrechamente relacionada con las diferencias en cómo los individuos con autismo procesan los sonidos del habla en el cerebro en relación con los que se desarrollan típicamente en todas las culturas», dijo Lau.

El próximo paso será determinar si estas diferencias en el procesamiento en el cerebro conducen a los patrones conductuales del habla que observamos aquí y la neurogenética subyacente. Estamos emocionados por lo que está por venir».

ver también

Acerca de esta noticia de investigación para IA y ASD

autor: max wittinsky
fuente: Northwestern University
Contacto: Max Wittinsky – Universidad del Noroeste
imagen: La imagen es de dominio público.

búsqueda original: acceso abierto.
«Patrones interlingüísticos de las diferencias del habla en el autismo: un estudio de aprendizaje automáticoEscrito por Joseph C. Y. Lau et al. MAS UNO

Resumen

Patrones interlingüísticos de las diferencias del habla en el autismo: un estudio de aprendizaje automático

Las diferencias en la presentación del habla son una característica ampliamente observada del trastorno del espectro autista (TEA). Sin embargo, no está claro cómo las diferencias estereotipadas en ASD en diferentes idiomas muestran una variación interlingüística en la presentación.

Usando un enfoque de aprendizaje automático supervisado, examinamos las características vocales relevantes para los aspectos rítmicos y tonales de las actuaciones derivadas de muestras narrativas obtenidas en inglés y cantonés, dos idiomas que suelen ser distintos y episódicos.

Nuestros modelos revelaron una clasificación exitosa del diagnóstico de TEA utilizando características relativas de ritmo dentro y entre ambos idiomas. La clasificación con características relacionadas con la entonación fue importante para el inglés pero no para el cantonés.

Los hallazgos resaltan las diferencias en el tempo como una de las principales características episódicas afectadas por el autismo y también ilustran una importante diversidad de otras características generales que parecen estar determinadas por diferencias específicas del idioma, como la entonación.