Análisis sonoro del habla en pacientes con Parkinson: Identificación de parámetros y clasificación mediante machine learning.

Abstract

La Enfermedad de Parkinson es la segunda enfermedad neurodegenerativa más prevalente, afectando al 1% de la población mundial, unos 10 millones de personas. El diagnóstico temprano actualmente no es viable antes de que aparezcan síntomas motores avanzados, indicativos de una pérdida significativa de neuronas dopaminérgicas. Se necesita desarrollar herramientas no invasivas para detectarla de manera temprana, lo que podría permitir tratamientos oportunos y una vida más saludable para los pacientes. El estudio analizó 600 archivos de audio .wav, divididos entre pacientes sanos y con Parkinson, en seis tareas diadococinesias. Se emplearon máquinas de soporte de vectores y regresión logística para entrenar modelos de aprendizaje supervisado, evaluando diferentes características acústicas y el impacto de incluir cromas. La adición de cromas mejoró significativamente el rendimiento de los modelos. Se compararon diversos dispositivos de grabación, sugiriendo que, en una cabina de grabación, un celular podría ser una alternativa al micrófono profesional. Sin embargo, los datos de audio de los sujetos de prueba no se incorporaron al conjunto de datos de entrenamiento debido a diferencias de edad. (LA)