Avances en el análisis del habla mediante sistemas conversacionales automáticos aplicados a la enfermedad de Alzheimer

Abstract

La enfermedad de Alzheimer es actualmente, como la han catalogado algunos expertos, la epidemia del presente siglo. En una sociedad cada vez más envejecida y en la que se espera las cifras de afectados se tripliquen en 2050, se presenta casi como una urgencia disponer de un mayor conocimiento e investigar en torno a una enfermedad de la que todavía se desconocen sus causas y, como todos sabemos, para la que no existe cura conocida. Entre los múltiples biomarcadores actualmente bajo investigación, el habla se presenta como un potente indicador del estado cognitivo y emocional de una persona. En base a esta evidencia, esta tesis plantea como hipótesis que es posible discriminar la enfermedad de Alzheimer a partir de la voz obtenida mediante métodos conversacionales automáticos. A partir de aquí y en línea con las tendencias actuales en la eSalud y la Telemedicina se propone el uso de este tipo de sistemas teniendo en cuenta las numerosas ventajas que presenta respecto a sus homólogos clásicos basados en entrevistadores humanos, implícitamente más subjetivos y menos escalables. Para conocer hasta qué punto el habla obtenida a partir de métodos conversacionales automáticos tiene potencial en el desarrollo de herramientas no invasivas, rápidas, objetivas, escalables y de bajo coste que, llegado el caso, faciliten o contribuyan a la detección precoz de la enfermedad de Alzheimer, se ha empleado la base de datos CSAP-R19, novedosa con respecto a las localizadas en el campo debido a que está formada por dos tipos de muestras para cada sujeto entrevistado: grabaciones recogidas con los métodos tradicionales (entrevistador humano) y muestras obtenidas mediante el software Prognosis (entrevistador automático). A partir de estas grabaciones de voz se ha identificado y extraído una serie de características temporales y medidas de carga emocional basadas, estas últimas, en la Temperatura Emocional. Posteriormente se han llevado a cabo diferentes análisis estadísticos univariantes y multivariantes, así como estudios basados en técnicas de Aprendizaje Máquina (Machine Learning) enfocados siempre a validar la hipótesis planteada. Los resultados que hemos obtenido son prometedores y, en lo que respecta al potencial de las herramientas conversacionales automáticas aplicadas a la detección precoz de la enfermedad de Alzheimer, abren nuevas vías de investigación en torno al desarrollo y mejora de este tipo de métodos. Asimismo, se espera contribuyan a dar un impulso dentro de una realidad que, a día de hoy, ya es la eSalud o la Telemedicina.