resumen: Los investigadores utilizaron inteligencia artificial para analizar el habla de los pacientes de Parkinson, revelando patrones distintos. AI descubrió que los pacientes de Parkinson usan más verbos pero menos sustantivos y rellenos en su discurso, incluso antes de que se manifieste el deterioro cognitivo típicamente asociado con el Parkinson.
El análisis pudo identificar a los pacientes con enfermedad de Parkinson con más del 80 % de precisión, lo que proporcionó una nueva herramienta potencial para el diagnóstico temprano. Este estudio enfatiza el potencial del procesamiento del lenguaje natural, una rama de la inteligencia artificial, para mejorar los diagnósticos de atención médica.
Hechos clave:
- El estudio utilizó inteligencia artificial, específicamente procesamiento de lenguaje natural (NLP), para analizar el habla de los pacientes de Parkinson, revelando distintos patrones en el uso del lenguaje.
- En comparación con los controles sanos, los pacientes con enfermedad de Parkinson usaban más verbos, pero menos sustantivos y rellenos en sus conversaciones.
- Estos distintos patrones de habla fueron detectables incluso antes del inicio del deterioro cognitivo que se observa típicamente en los pacientes de Parkinson.
- Al analizar estos patrones de habla, los investigadores pudieron identificar a las personas con la enfermedad de Parkinson con más del 80% de precisión, lo que indica la posibilidad de un diagnóstico temprano.
fuente: Universidad de Nagoya
Mediante el uso de inteligencia artificial (IA) para el procesamiento del lenguaje natural, un grupo de investigación evaluó las características del habla entre los pacientes con enfermedad de Parkinson (EP). Un análisis de IA de sus datos determinó que estos pacientes hablaban 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 Parkinson y trastornos relacionados.
La tecnología de procesamiento del lenguaje natural (NLP) es una rama de la inteligencia artificial que se enfoca en permitir que las computadoras comprendan e interpreten grandes cantidades de datos del lenguaje humano mediante el uso de modelos estadísticos para identificar patrones. Dado que los pacientes con la enfermedad de Parkinson presentan una variedad de problemas relacionados con el habla, que incluyen problemas en 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 guiones elaborados a partir de conversaciones libres.
El análisis reveló que los pacientes con Parkinson usan menos nombres comunes, nombres propios y rellenos por oración. Por otro lado, hablaron utilizando una mayor proporción de verbos y el contraste de partículas de caso (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 esto, por ejemplo: ‘Me levanté a las 4:50 am. Pensé que era un poco temprano, pero me desperté. Me tomó alrededor de media hora ir al baño, así que me duché 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 en el grupo de control de salud podría decir algo como esto: ‘Bueno, en la mañana, me levanté a las seis de la mañana, me vestí y me lavé la cara’. Luego alimenté a mi gato y perro. Mi hija hizo una comida, pero le dije que no podía comer y yo, su madre, bebí un poco de agua».
«Si bien estos son ejemplos que creamos de conversaciones que reflejan las características de las personas con TDAH y las personas sanas, lo que debería ver es que la duración general es similar», explicó Yokoi.
Sin embargo, los pacientes con EP pronunciaron oraciones más cortas que los sujetos del grupo de control, lo que condujo a más verbos en el análisis de aprendizaje automático. El control saludable también usa más rellenos, como «bien» o «um» para conectar oraciones.
El aspecto 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 el Parkinson. Por lo tanto, sus hallazgos proporcionan un medio potencial para la detección temprana de pacientes con enfermedad de Parkinson.
«Nuestros resultados indican que incluso en ausencia de deterioro cognitivo, las conversaciones de los pacientes con enfermedad de Parkinson difieren de las de los sujetos sanos», concluye el profesor Katsuno, líder del estudio.
«Cuando intentamos identificar a los pacientes con enfermedad de Parkinson o a los controles sanos en función de estos cambios dialógicos, pudimos identificar a los pacientes con enfermedad de Parkinson con más del 80 % de precisión. Este resultado indica el potencial del análisis del lenguaje mediante el procesamiento del lenguaje natural para diagnosticar la enfermedad de Parkinson».
Acerca de las noticias sobre la investigación de la IA y la enfermedad de Parkinson
autor: Mateo Cosslett
fuente: Universidad de Nagoya
comunicación: Matthew Coslett – Universidad de Nagoya
imagen: Imagen acreditada a Neuroscience News
Búsqueda original: Acceso cerrado.
«Análisis del habla espontánea en la enfermedad de Parkinson mediante procesamiento del lenguaje naturalEscrito por Masahisa Katsuno et al. Parkinson y trastornos relacionados
un resumen
Análisis del habla espontánea en la enfermedad de Parkinson mediante procesamiento del lenguaje natural
introducción
Los pacientes de Parkinson (EP) enfrentan una variedad de problemas relacionados con el habla, que incluyen disartria y trastornos del lenguaje. Para dilucidar los mecanismos fisiopatológicos del cambio de lenguaje en la enfermedad de Parkinson, comparamos el habla de los pacientes y la de los controles sanos (HC) utilizando herramientas de análisis morfológico automatizado.
Métodos
Inscribimos a 53 pacientes diabéticos con función cognitiva normal y 53 HHC, y evaluamos su habla espontánea mediante el procesamiento del lenguaje natural. Se utilizaron algoritmos de aprendizaje automático para determinar las características de la conversación espontánea en cada grupo. En este análisis se usaron treinta y siete características que se enfocan en la parte del discurso y la complejidad gramatical. Se entrenó un modelo de máquina de vectores de soporte (SVM) con validación cruzada de 10 veces.
resultados
Se encontró que los pacientes con EP hablaban menos morfemas en una sola oración que el grupo HC. En comparación con HC, el habla de los pacientes con EP tenía una tasa más alta de verbos, partículas de estado (subjetivas) y articulaciones de verbos, y una tasa más baja de enunciados de nombres comunes, enunciados de nombres propios y enunciados de relleno. Usando estos cambios en la conversación, las tasas de discriminación relevantes para PD o HC fueron superiores al 80%.
conclusiones
Nuestros resultados demuestran el potencial del procesamiento del lenguaje natural para el análisis del lenguaje y el diagnóstico de la EP.
«Jugador. Wannabe evangelista de la cerveza. Practicante de la cultura pop. Amante de los viajes. Defensor de las redes sociales».
More Stories
Uno de los componentes más importantes de la vida podría formarse en el corazón de los cometas: ScienceAlert
La sonda Juno de la NASA captura impresionantes vistas de la luna volcánica Io de Júpiter (vídeo)
Los casos de dengue alcanzan los 5,2 millones en las Américas mientras el brote supera el récord anual, dice la Organización Panamericana de la Salud