MADRID, 5 Feb. (EUROPA PRESS) -
Un grupo de investigadores de la Universidad de Illinois en Urbana-Champaign, la Facultad de Medicina de la Universidad de Illinois en Peoria y la Facultad de Medicina de la Universidad del Sur de Illinois, todos en Estados Unidos, han desarrollado herramientas de aprendizaje automático que detectan trastorno depresivo mayor utilizando señales de voz acústicas extraídas de una prueba de fluidez verbal de un minuto.
Tal y como se publica en 'JASA Express Letters' ,en nombre de la Acoustical Society of America, el equipo extrajo características acústicas y fonémicas de las grabaciones de los nombres de los animales y aplicó una técnica de aprendizaje automático para distinguir a los sujetos con y sin trastorno de desorden de ansiedad (TDA) y trastorno depresivo mayor (TDM) comórbido. Los resultados confirmaron que una prueba de función visual semántica de un minuto puede utilizarse de forma fiable para detectar el TDA/TDM.
La TDA, el TDM y la TDA/TDM comórbida tienen diferentes firmas acústicas. La TDA/TDM comórbida puede ser particularmente difícil de identificar, ya que los marcadores acústicos de la TDA y el TDM a menudo se oponen entre sí. "Esta investigación se inspiró en la observación de que las personas con trastornos de ansiedad y trastorno depresivo mayor a menudo enfrentan retrasos en el diagnóstico y el tratamiento. El descubrimiento de señales de voz que reflejan diversas afecciones psiquiátricas, neurológicas, del tracto gastrointestinal superior y otras afecciones de salud alentó una mayor investigación del TDA/TDM", destaca la autora Mary Pietrowicz.
Pietrowicz y su equipo hablaron con participantes femeninas con y sin TDA/TDM comórbido. Las participantes fueron grabadas mediante una plataforma de telesalud segura y se les realizó una prueba de fluidez verbal semántica, en la que debían nombrar tantos animales como fuera posible dentro de un límite de tiempo. "El grupo con TDA/TDM tendía a usar palabras más simples, exhibía menos variabilidad en la longitud de las palabras fonémicas y mostraba niveles reducidos de variación en la similitud fonémica", expone Pietrowicz.
Aunque Pietrowicz planea estudiar los mecanismos biológicos subyacentes asociados con los resultados, también quiere perfeccionar el modelo. Además, desarrollar una herramienta de diagnóstico requeriría muchos más datos de distintas poblaciones y condiciones. "Nuestro enfoque actual está en ampliar la escala, la diversidad y las modalidades de los datos mientras aplicamos técnicas analíticas innovadoras para mejorar la precisión del modelo y profundizar nuestra comprensión de las señales", finaliza Pietrowicz.
