En segmentos cortos de conversaciones entre clínicos de atención primaria y pacientes se encontraron señales que ayudaron a detectar deterioro cognitivo no diagnosticado, sugirió un análisis acústico.
Un modelo de aprendizaje automático entrenado en características acústicas de grabaciones de visitas a la atención primaria logró una sensibilidad del 68.2%, una especificidad del 63.6% y un valor predictivo positivo del 30.4% para identificar deterioro cognitivo, informó Joseph Colonel, PhD, de la Icahn School of Medicine en Mount Sinai en la ciudad de Nueva York, y coautores.
El modelo tuvo un área bajo la curva característica de operación del receptor (AUROC) de 0.733 y un máximo de puntuación F1 (Fmax) de 0.502, según escribieron Colonel y sus colegas en JAMA Neurology.
Los valores de AUROC y Fmax fueron similares en una cohorte de validación. Las medidas de tono, tiempo y variabilidad del habla fueron los principales predictores de deterioro cognitivo.
El proyecto fue diseñado para aprender cómo los modelos de aprendizaje automático podrían utilizarse en la atención primaria para detectar deterioro cognitivo, ‘ya que a menudo no se diagnostica o se diagnostica mal’, dijo Colonel en una entrevista del JAMA Network. ‘¿Existen patrones en una conversación entre un paciente y su médico que podrían indicar que hay algunos problemas con la cognición?’
De los cinco enfoques probados en el estudio, el modelo con mejor rendimiento fue uno entrenado en características prosódicas: elementos acústicos como la entonación, el estrés y el tempo.
‘Esos se relacionan con cómo alguien habla’, dijo Colonel. ‘¿Cómo cambia el tono de su voz? ¿Cómo cambia el volumen de su voz? ¿Qué tan rápido están hablando?’
El estudio mostró que ‘cuanto más rápido hablaba alguien, más se relacionaba con una cognición saludable’, señaló. ‘Las cosas relacionadas con la duración de las pausas estaban más asociadas con el deterioro cognitivo.’
Investigaciones anteriores evaluaron si las respuestas vocales de los pacientes a preguntas en pruebas podrían predecir demencia, o si los modelos podrían distinguir la cognición normal de la deteriorada solo por la voz. En un pequeño estudio en Japón, un modelo predictivo identificó características vocales de demencia a partir de patrones de habla en conversaciones telefónicas. La mayoría de los estudios anteriores se basaron en tareas estructuradas, no en conversaciones no estructuradas, señaló Colonel.
Los clínicos de atención primaria están posicionados para detectar signos de deterioro en sus pacientes, pero solo el 8% de los casos esperados de deterioro cognitivo leve son diagnosticados en entornos de atención primaria, observaron Gabriela Meade, PhD, y Hugo Botha, MBChB, ambos de la Clínica Mayo en Rochester, Minnesota.
‘Esta brecha es impulsada por numerosos factores, incluido el tiempo restringido, el número de necesidades coexistentes y la percepción de que las herramientas de evaluación existentes son poco útiles’, escribieron Meade y Botha en un editorial adjunto. ‘Una posible solución es integrar la evaluación cognitiva en los flujos de trabajo clínicos existentes; los investigadores han recurrido cada vez más al habla como un método de detección pasiva potencial.’
Si se desarrollaran más los modelos de aprendizaje automático, ‘este enfoque podría cambiar significativamente cómo y cuándo se detecta el deterioro cognitivo’, añadieron.
Desde agosto de 2020 hasta diciembre de 2021, Colonel y coautores estudiaron a 787 pacientes mayores en Nueva York sin antecedentes de demencia o deterioro cognitivo leve, y 179 pacientes similares en Chicago como cohorte de validación.
La edad media en el estudio fue de 67.2 años y el 55% de los participantes eran mujeres. En general, el 35% de los participantes eran negros, el 33% eran blancos, el 22% eran latinx y el 10% eran de otra raza.
Se invitó a los pacientes a asistir a una entrevista en persona inmediatamente después de su cita de atención primaria. Los investigadores utilizaron grabaciones de audio recopiladas durante estas visitas clínicas para entrenar clasificadores de aprendizaje automático.
El resultado principal del estudio fue el deterioro cognitivo, definido como una puntuación del Montreal Cognitive Assessment (MoCA) al menos 1 desviación estándar por debajo de las normas ajustadas por edad y educación. Basado en las puntuaciones de MoCA, la tasa general de deterioro cognitivo no diagnosticado fue del 21%.
Los clasificadores funcionaron mejor cuando fueron entrenados con grabaciones que capturaron tanto el habla del paciente como la del médico, en lugar de la del paciente solamente. El modelo con mejor rendimiento utilizó características acústicas derivadas de Whisper.
El análisis se centró únicamente en las propiedades acústicas de las conversaciones de atención primaria, no en el contenido, reconocieron los investigadores. El trabajo futuro debería validar los hallazgos en poblaciones más grandes y diversas e incorporar datos de registros electrónicos de salud, dijeron.
Nota de descargo de responsabilidad: Este contenido es informativo y no debe considerarse un consejo médico. Consulte a un profesional de la salud para obtener un diagnóstico o tratamiento adecuado.
Fuente: https://www.medpagetoday.com/neurology/dementia/121808
- Actividades exclusivas para profesionales de la salud (advisory boards, cobertura de congresos, webinars)
- Guardá los artículos que te sirven para ver más tarde
- Recibí cada semana lo más relevante de tu especialidad
