Una recerca del Centre Internacional de Mètodes Numèrics a l’Enginyeria (CIMNE) i la Universitat de Lleida (UdL) en la qual ha participat l’Hospital de Bellvitge ha desenvolupat marcadors de veu automatitzats per identificar afectacions primerenques de la malaltia.
Durant sis mesos es van enregistrar les veus de pacients de la Unitat Funcional de Malaltia de Motoneurona de l’hospital per desenvolupar models que permetin detectar precoçment problemes de deglució i parla
L’esclerosi lateral amiotròfica (ELA) és una malaltia neurodegenerativa que es designa com a espinal quan els primers símptomes apareixen en columna, braços o cames, o bé com a bulbar quan el deteriorament de les neurones s’inicia en el bulb raquidi, situat a la base del tronc encefàlic. Els símptomes de l’afectació bulbar són problemes en la parla i la deglució. L’inici bulbar de l’ELA és minoritari en relació a l’espinal, però els pacients tenen un pronòstic pitjor. Malgrat la diferenciació en la manifestació dels primers símptomes de la malaltia, un 80% dels pacients d’ELA acaben experimentant problemes d’articulació en la parla. El deteriorament de la parla pot començar fins a 3 anys abans del diagnòstic de l’ELA, fet que fa fonamental la detecció primerenca de l’afectació bulbar.
Amb aquestes premisses, l’investigador del CIMNE Alberto Tena va començar a desenvolupar aquest projecte, que parteix de l’enregistrament i anàlisi acústica de la pronunciació de les 5 vocals de l’alfabet per part de 45 pacients d’ELA de l’Hospital de Bellvitge i 18 persones de control. Amb l’anàlisi acústic de la pronunciació de les vocals es van nodrir uns sistemes de machine learning (intel·ligència artificial a partir d’aprenentatge supervisat) que han permès desenvolupar uns models o marcadors de veu amb resultats molt satisfactoris en la identificació i diferenciació dels participants a l’estudi amb afectació bulbar, els que no la tenien i el grup de control.
“Tenim molt treball per davant encara, però els primers resultats que hem obtingut mostren que l’afectació bulbar es pot detectar amb models automàtics abans que sigui perceptible per a l’oïda humana, i que es poden establir mesures objectives que facilitin un diagnòstic precoç i precís”, destaca Alberto Tena. Ara per ara fins a un 10% dels pacients d’ELA no són diagnosticats correctament de la seva afectació bulbar en un primer moment.
De la seva banda, la Dra. Mònica Povedano, responsable de la Unitat Funcional de Malaltia de Motoneurona de l’Hospital de Bellvitge, considera que la recerca obre la porta per aprofitar el gran potencial de la veu en el diagnòstic de l’afectació bulbar “i alhora demostra el valor de la integració d’altres disciplines en el nostre treball. En aquest cas són els enginyers els que ens poden ajudar en el diagnòstic de patologies neurodegeneratives”, conclou.
La continuïtat del projecte passa per ampliar la base de dades amb més veus i nous paràmetres d’anàlisi que permetin resultats més precisos i adreçats a millorar la identificació de l’afectació bulbar en els pacients d’ELA. El projecte de l’anàlisi de veu per aprenentatge automàtic per a la detecció de l’afectació bulbar en pacients d’ELA és també l’eix de la tesi doctoral d’Alberto Tena, que realitza a la Universitat de Lleida (UdL) sota la direcció dels Drs. Francesc Clarià i Francesc Solsona. El treball, en el qual també col·labora la Universitat Tecnològica de Tallin (Estònia), ha estat publicat al Journal of Medical Internet Research.