Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

29 de Octubre de 2020
Tecnología sanitaria

La IA mide el riesgo del alzhéimer mediante un análisis del uso de las palabras

Los nuevos modelos, basados en muestras escritas, predijeron el comienzo de la enfermedad con una exactitud del 70 por ciento.

El uso de palabras puede indicar el inicio del deterioro cognitivo. [iStock/nambitomo]

La inteligencia artificial (IA) podría ayudar muy pronto a cribar la enfermedad de Alzheimer mediante el análisis de la escritura. Un equipo de IBM y Pfizer ha enseñado a modelos de IA a detectar los signos incipientes de esta enfermedad tan sigilosa mediante un análisis de los patrones lingüísticos de uso de las palabras.

Otros investigadores ya identificaron signos de alteración cognitiva, incluso en el alzhéimer, con modelos diferentes basados en datos muy distintos (escáneres cerebrales o pruebas clínicas). Sin embargo, el proyecto más reciente ha causado sorpresa porque se utilizó información histórica extraída del Estudio cardíaco multigeneracional de Framingham. Desde 1948, en este estudio se ha vigilado la salud de más de 14.000 personas de tres generaciones distintas. Si la capacidad de los nuevos modelos para captar las tendencias de estos datos se confirmara, en estudios prospectivos con poblaciones más amplias y diversas, los investigadores podrían predecir el desarrollo del alzhéimer unos años antes de que los síntomas se agravaran lo suficiente como para detectarlos con los métodos diagnósticos habituales. Y esta herramienta de cribado no requeriría ni pruebas invasivas ni escáneres. Los resultados de este estudio financiado por Pfizer y dirigido por IBM se publicaron en tiempo reciente en EClinicalMedicine.

Los nuevos modelos de IA ponen en manos de los especialistas «una lupa para contemplar ciertos cambios sutiles con mayor antelación, antes del diagnóstico clínico», aclara Ajay Royyuru, vicepresidente de investigación sobre salud y ciencias de la vida de IBM. «Esta herramienta podría alertar de ciertos cambios que exigirían una exploración más completa».

Para enseñar a estos modelos, los investigadores utilizaron transcripciones digitales de las respuestas manuscritas enviadas por los participantes del Estudio cardíaco de Framingham, a quienes se les pidió que describieran una imagen donde aparecía una mujer lavando la vajilla mientras, a su espalda, dos niños agarraban un bote de galletas. No se conservó la letra de las descripciones originales, explica Rhoda Au, directora de neuropsicología del estudio de Framingham y profesora de la universidad de Boston. (Su equipo se encargó de transcribir los datos para el nuevo artículo, nada más.) De cualquier forma, incluso sin el texto manuscrito, IBM sostiene que su modelo principal de IA logró detectar rasgos lingüísticos que se relacionan a veces con signos incipientes de alteración cognitiva, como por ejemplo errores ortográficos, palabras repetidas o uso de frases sencillas sin una estructura gramatical compleja. Esta «evidencia» coincide con la idea que los clínicos tienen sobre el impacto de la enfermedad de Alzheimer en el lenguaje, afirma Royyuru.

El modelo principal predijo con una exactitud del 70 por ciento aquellos participantes de Framingham que acabarían contrayendo una demencia asociada al alzhéimer antes de los 85 años. No obstante, este resultado se basó en datos históricos y no en una predicción real de acontecimientos futuros, así que el artículo reciente también adolece de algunas carencias.

La IA se centró en el grupo de participantes de mayor edad del estudio de Framingham, compuesto en su mayoría por una población blanca no hispana. Esta característica limita la posibilidad de trasladar los resultados a comunidades más diversas de Estados Unidos y del resto del mundo, señala Au. Tampoco queda claro cómo operaría la IA frente a poblaciones más numerosas: el conjunto de datos del estudio de EClinicalMedicine solo incluyó a 40 personas que acabaron desarrollando demencia y a 40 «controles» que no lo hicieron, expone Jekaterina Novikova, directora de aprendizaje automático de Winterlight Labs en Toronto. Novikova, que no intervino en el nuevo estudio, también se pregunta si la IA de IBM proporcionaría un rendimiento distinto si tuviera que predecir el comienzo del alzhéimer en diferentes momentos antes del diagnóstico.

Aun así, ella y Au elogian el artículo como una sólida aportación al campo y comentan que podría atraer más atención y recursos hacia la detección del alzhéimer mediante IA. «Lo que más me gusta del [estudio] es que es uno de los pocos trabajos en los que se analizan datos a gran escala del mundo real recogidos durante un período muy largo», confiesa Novikova.

La exactitud de los nuevos modelos quizá podría haber aumentado si se hubiera incorporado el texto manuscrito, cree Au. Esta incorporación habría proporcionado indicios adicionales, como pequeños temblores de la letra, cambio de letra redonda a cursiva o uso de letras diminutas. «Existen muchas... características que [los investigadores] no tuvieron en cuenta y que, sumadas a las propiedades lingüísticas, habrían creado posiblemente un modelo aún más predictivo», explica Au. Los modelos de IBM tampoco incluían datos del lenguaje hablado. El análisis del habla mediante IA para diagnosticar el alzhéimer es un área cada vez más investigada; se conocen otros sistemas que se ocupan de detectar cambios en muestras de audio. Estas contienen ciertas claves, como pausas al hablar, que no aparecen en la escritura.

Comparadas con los escáneres cerebrales y otras pruebas de laboratorio, las muestras del lenguaje, sea escrito o hablado, constituyen una fuente de información bastante poco invasiva para vigilar la salud cognitiva de las personas. La recogida de estos datos lingüísticos podría efectuarse de una forma barata y remota, aunque se precisaría un consentimiento informado riguroso, aparte de las salvaguardas pertinentes de privacidad para quienes aportaran las muestras, declara Royyuru. Ambas condiciones se antojan imprescindibles, pues algunas personas ni siquiera desean conocer su probabilidad de padecer una enfermedad de Alzheimer, un trastorno hoy por hoy irreversible.

Si se enseña a los modelos el análisis de muestras habladas (no escritas), su alcance a largo plazo podría llegar muy lejos, pues el habla, a diferencia de la escritura, no requiere alfabetización. Novikova y sus colegas de Winterlight Labs se han encargado de enseñar a la IA a analizar las características acústicas y lingüísticas de las palabras habladas. Y Au ha estado grabando tanto el habla como la escritura (con bolígrafos digitales) para su investigación. IBM piensa en principio seguir esta misma línea de investigación en el futuro.

«Estamos intentando aprovechar esta tecnología para entender mejor enfermedades como la esquizofrenia, la esclerosis lateral amiotrófica y la enfermedad de Parkinson y lo hacemos mediante estudios prospectivos para analizar muestras de habla proporcionadas con un consentimiento similar al de las pruebas cognitivas verbales», comenta Guillermo Cecchi, coautor del nuevo estudio e investigador principal de psiquiatría computacional y neuroimágenes en IBM.

Jeremy Hsu

Referencia: «Linguistic markers predict onset of Alzheimer's disease», de E. Eyigoz et al., en EClinicalMedicine, publicación avanzada en internet el 22 de octubre de 2020.

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.