ALZUMERIC: Un sistema de apoyo a la decisión para el diagnóstico y la monitorización del deterioro cognitivo

Autores/as

DOI:

https://doi.org/10.3989/loquens.2017.037

Palabras clave:

enfermedad de Alzheimer, deterioro cognitivo leve, procesamiento automático del habla, sistemas de apoyo a la decisión, Redes Neuronales convolucionales

Resumen


La Internet de las cosas o de las ciudades inteligentes se está convirtiendo en una realidad. Cada vez más dispositivos están interconectados y, para hacer frente a esta nueva situación, las velocidades de procesamiento de datos se incrementan. Los dispositivos inteligentes, como las tabletas y los teléfonos, son accesibles para una gran parte de la sociedad en los países desarrollados, y las mejoras en las conexiones a Internet para el intercambio de datos hacen posible manejar grandes volúmenes de información en menos tiempo. Esta nueva realidad ha abierto la posibilidad de desarrollar arquitecturas cliente-servidor centradas en el diagnóstico clínico en tiempo real y a un coste muy bajo. Este trabajo ilustra la concepción del sistema ALZUMERIC orientado al diagnóstico de la enfermedad de Alzheimer. Es una plataforma a partir de la cual el médico especialista puede tomar muestras de voz a través de métodos no invasivos a pacientes con y sin deterioro cognitivo leve (MCI), y en la cual se parametriza la señal de entrada automáticamente para posteriormente avanzar una propuesta de diagnóstico. El MCI es un tipo de deterioro neurológico que produce una pérdida cognitiva no lo suficientemente grave como para interferir en la vida cotidiana. El presente estudio está enfocado hacia la descripción de las patologías del habla con respecto a los siguientes perfiles: fonación, articulación, calidad del habla, análisis de la respuesta emocional, percepción del lenguaje y dinámica de sistemas complejos. También se consideran aspectos relativos a la privacidad, la confidencialidad y la seguridad de la información frente a las posibles amenazas que pudiera sufrir el sistema, por lo que este primer prototipo de servicios ofrecidos por ALZUMERIC se ha dirigido a un número predeterminado de médicos especialistas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alzheimer's Disease International (2015). World Alzheimer Report 2015. Retrieved from https://www.alz.co.uk/research/WorldAlzheimerReport2015.pdf

Boersma, P., & Weenink, D. (2017). Praat: doing phonetics by computer [Computer program]. Retrieved from http://www.praat.org

CITA-Alzheimer Foundation, PGA Project (2017). Retrieved from http://www.cita-alzheimer.org/investigacion/proyectos

Dingemanse, M., Torreira, F., & Enfield, N. J. (2013). Is 'Huh?' a universal word? Conversational infrastructure and the convergent evolution of linguistic items. PLOS ONE, 8(11): e78273. https://doi.org/10.1371/journal.pone.0078273 PMid:24260108 PMCid:PMC3832628

Eibe, F., Mark, A., Hall, I., & Witten, H. (2016) (4th ed). The WEKA Workbench. Online Appendix for I. Witten, E. Frank, M. Hall, & C. Pal (Eds.), Data mining: Practical machine learning tools and techniques. New York: Elsevier, Morgan Kaufmann.

Faundez-Zanuy, M., Hussain, A., Mekyska, J., Sesa-Nogueras, E., Monte-Moreno, E., Esposito, A., … Lopez-de-Ipi-a, K. (2013). Biometric applications related to human beings: There is life beyond security. Cognitive Computation, 5(1), 136-151. https://doi.org/10.1007/s12559-012-9169-9

Gómez-Vilda P., Rodellar-Biarge, V., Nieto-Luis, V., López-de-Ipi-a, K., Álvarez-Marquina, A., Martínez-Olalla, R., … Martínez- Lage, P. (2015). Phonation biomechanic analysis of Alzheimer ?s Disease cases. Neurocomputing, 167, 83-93. https://doi.org/10.1016/j.neucom.2015.03.087

Klimova, B., Maresova, P., Valis, M., Hort J., & Kuca, K. (2015). Alzheimer's disease and language impairments: Social intervention and medical treatment. Clinical Interventions in Aging, 10, 1401–1408. PMid:26346123 PMCid:PMC4555976

Laske, C., Sohrabi, H. R., Frost, S. M., López-de-Ipi-a, K., Garrard, P., Buscema, M. … O'Bryant, S. E. (2015). Innovative diagnostic tools for early detection of Alzheimer's disease. Alzheimer & Dementia, 11(5), 561-578. https://doi.org/10.1016/j.jalz.2014.06.004 PMid:25443858

Lezak, M. D., Howieson, D. B., Bigler, E. D., & Tranel, D. (2012) (5th ed.). Neuropsychological assessment. Oxford: Oxford University Press.

López-de-Ipiña K., Alonso, J.?B., Manuel Travieso, C., Solé-Casals, J., Egiraun, H., Faundez-Zanuy, M., … Martinez de Lizardui, U. (2013). On the selection of non-invasive methods based on speech analysis oriented to automatic Alzheimer disease diagnosis. Sensors, 13, 6730–6745. https://doi.org/10.3390/s130506730 PMid:23698268 PMCid:PMC3690078

López-de-Ipiña, K., Martínez-de-Lizarduy, U., Barroso, N., Ecay-Torres, M., Martínez-Lage, P., Torres, F., & Faundez-Zanuy, M. (2015). Automatic analysis of Categorical Verbal Fluency for Mild Cognitive impartment detection: A non-linear language independent approach. (2015). 4th International Work Conference on Bioinspired Intelligence (IWOBI), 1, 101-104. https://doi.org/10.1109/IWOBI.2015.7160151

López-de-Ipiña, K., Martinez de Lizarduy, U., Calvo, P., Beita, B., García-Melero, J., Ecay-Torres, M., … Faundez-Zanuy, M. (2017). Analysis of disfluencies for automatic detection of Mild Cognitive Impairment: a deep learning approach. 4th International Work Conference on Bioinspired Intelligence (IWOBI), 1, 1-4.

López-de-Ipiña K., Satue-Villar, A., Faundez-Zanuy, M., Arreola, V., Ortega, O., Clavé, P. … Calvo, P. (2016). Advances in a multimodal approach for dysphagia analysis based on automatic voice analysis. In S. Bassis, A. Esposito, F. Morabito, & E. Pasero (Eds.), Advances in Neural Networks. Smart Innovation, Systems and Technologies, Vol. 54 (pp. 201-211). Cham: Springer.

MATLAB (2017). www.mathworks.com

Mekyska, J., Janousova, E., Gomez-Vilda, P., Smekal, Z., Rektorova, I., Eliasova, I., … López-de-Ipi-a, K. (2015). Robust and complex approach of pathological speech signal analysis. Neurocomputing, 167, 94-111. https://doi.org/10.1016/j.neucom.2015.02.085

Picard, R. R., & Cook, D. (1984). Cross-validation of regression models. Journal of the American Statistical Association, 79 (387), 575–583. https://doi.org/10.1080/01621459.1984.10478083

Ruff, R. M., Light, R. H., Parker, S. B., & Levin, H. S. (1997). The psychological construct of word fluency. Brain and Language, 57, 394-405. https://doi.org/10.1006/brln.1997.1755 PMid:9126423

Solé-Casals, J., & Zaiats, V. (2010). A non-linear VAD for noisy environments. Cognitive Computation, 2(3), 191-198. https://doi.org/10.1007/s12559-010-9037-4

WEKA (2017). Retrieved from http://www.cs.waikato.ac.nz/ml/weka

Publicado

2017-06-30

Cómo citar

Martinez de Lizarduy, U., Calvo Salomón, P., Gómez Vilda, P., Ecay Torres, M., & López de Ipiña, K. (2017). ALZUMERIC: Un sistema de apoyo a la decisión para el diagnóstico y la monitorización del deterioro cognitivo. Loquens, 4(1), e037. https://doi.org/10.3989/loquens.2017.037

Número

Sección

Artículos