AI evalúa el riesgo de Alzheimer mediante el análisis del uso de palabras
La inteligencia artificial pronto podría ayudar a detectar la enfermedad de Alzheimer mediante el análisis de la escritura. Un equipo de IBM y Pfizer dice que ha entrenado modelos de IA para detectar los primeros signos de la enfermedad notoriamente sigilosa al observar patrones lingüísticos en el uso de palabras.
Otros investigadores ya han entrenado varios modelos para buscar signos de deterioro cognitivo, incluido el Alzheimer, mediante el uso de diferentes tipos de datos, como escáneres cerebrales y resultados de pruebas clínicas. Pero el último trabajo se destaca porque utilizó información histórica del Framingham Heart Study multigeneracional, que ha estado rastreando la salud de más de 14,000 personas de tres generaciones desde 1948. Si la capacidad de los nuevos modelos para detectar tendencias en dichos datos se mantiene en estudios prospectivos de poblaciones más grandes y diversas, los investigadores dicen que podrían predecir el desarrollo de la enfermedad de Alzheimer varios años antes de que los síntomas se vuelvan lo suficientemente graves como para que los métodos de diagnóstico típicos los detecten. Y tal herramienta de detección no requeriría pruebas o escaneos invasivos. Los resultados del estudio financiado por Pfizer y dirigido por IBM se publicaron el jueves en ECclinicalMedicina.
Los nuevos modelos de IA brindan “un aumento a los profesionales expertos en la forma en que verían algunos cambios sutiles más temprano en el tiempo, antes de que se haya logrado el diagnóstico clínico”, dice Ajay Royyuru, vicepresidente de investigación de salud y ciencias de la vida en IBM. “En realidad, podría alertarlo sobre algunos cambios que [indicate] entonces deberías ir a hacer un examen más completo.”
Para entrenar estos modelos, los investigadores utilizaron transcripciones digitales de respuestas escritas a mano de los participantes del Estudio del corazón de Framingham a quienes se les pidió que describieran una imagen de una mujer que aparentemente está preocupada por lavar los platos mientras dos niños asaltan un tarro de galletas a sus espaldas. Estas descripciones no conservaron la escritura a mano de las respuestas originales, dice Rhoda Au, directora de neuropsicología en el estudio de Framingham y profesora en la Universidad de Boston. (Su equipo fue responsable de transcribir los datos para el nuevo artículo, pero no participó más allá de eso). Sin embargo, incluso sin la escritura física, IBM dice que su modelo principal de IA pudo detectar características lingüísticas que a veces están relacionadas con signos tempranos de deterioro cognitivo. Incluyen ciertas faltas de ortografía, palabras repetidas y el uso de frases simplificadas en lugar de oraciones gramaticalmente complejas. Esta evidencia está en línea con la comprensión de los médicos de cómo la enfermedad de Alzheimer puede afectar el lenguaje, dice Royyuru.
El modelo principal logró una precisión del 70 por ciento al predecir cuál de los participantes de Framingham eventualmente desarrolló demencia asociada con la enfermedad de Alzheimer antes de los 85 años. Sin embargo, este resultado se basó en datos históricos en lugar de predecir eventos futuros, y hay otras advertencias para el papel nuevo también.
La IA se centró en el grupo de mayor edad de los participantes del estudio de Framingham, que en su mayoría representan una población blanca no hispana. Esto limita cuánto se pueden generalizar los resultados a comunidades más diversas en los EE. UU. y el resto del mundo, señala Au. Tampoco está claro cómo funcionaría la IA en poblaciones más grandes: el ECclinicalMedicina El conjunto de datos del estudio involucró solo a 40 personas que eventualmente desarrollaron demencia y 40 «controles» que no la desarrollaron, señala Jekaterina Novikova, directora de aprendizaje automático en Winterlight Labs en Toronto. Novikova, que no participó en el nuevo estudio, también cuestiona si el rendimiento de la IA de IBM cambiaría al predecir la aparición de la enfermedad de Alzheimer en diferentes momentos antes del diagnóstico.
Aún así, ella y Au elogian el artículo como una sólida contribución al campo que podría atraer más atención y recursos para la detección del Alzheimer por parte de la IA. “Lo que personalmente me gusta de la [study] es que es uno de los pocos trabajos que analiza los datos de la vida real a gran escala que se recopilaron durante un período de tiempo muy largo”, dice Novikova.
Los nuevos modelos podrían haber sido más precisos si hubieran podido incorporar la escritura a mano, sugiere Au. Esta habilidad podría haber proporcionado pistas adicionales, como evidencia de pequeños temblores, cambio entre letra impresa y cursiva, y letras muy pequeñas. “Hay muchas… características que [the researchers] no tuvo en cuenta, lo que, combinado con las características lingüísticas, probablemente habría creado un modelo aún más predictivo”, dice Au. Los modelos de IBM tampoco incluían datos del lenguaje hablado. El uso de análisis de voz de IA para diagnosticar la enfermedad de Alzheimer es un área de investigación en crecimiento, y otros sistemas se han centrado en detectar cambios en muestras de audio. Estos contienen pistas como pausas en el habla, que no se encuentran en la escritura.
Ya sea escrita o hablada, las muestras de lenguaje ofrecen una fuente de información relativamente no invasiva para monitorear la salud cognitiva de las personas, en comparación con los escáneres cerebrales y otras pruebas de laboratorio. La recopilación de dichos datos lingüísticos podría hacerse de manera económica y remota, aunque hacerlo aún requeriría un estricto consentimiento informado y garantías de privacidad para las personas que crean las muestras, dice Royyuru. Esto es especialmente cierto porque es posible que algunas personas ni siquiera quieran saber qué probabilidades tienen de desarrollar la enfermedad de Alzheimer, una condición que actualmente es irreversible.
Los modelos de capacitación en muestras habladas en lugar de escritas podrían resultar más prácticos para lograr el alcance más amplio a largo plazo, dado que la escritura requiere alfabetización mientras que el habla no. Novikova y sus colegas de Winterlight Labs se han centrado mucho en 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 a mano, utilizando bolígrafos digitales para capturar esta última, para su investigación. IBM parece estar pensando en la misma línea para su propio trabajo futuro.
“Estamos en el proceso de aprovechar esta tecnología para comprender mejor enfermedades como la esquizofrenia, [amyotrophic lateral sclerosis] y la enfermedad de Parkinson y lo están haciendo en estudios prospectivos [that] analizar muestras de habla hablada, dadas con el consentimiento de pruebas verbales cognitivas similares”, dice Guillermo Cecchi, coautor del nuevo estudio e investigador principal de psiquiatría computacional y neuroimagen en IBM.
