Investigadores argentinos desarrollaron una app para detectar enfermedades neurodegenerativas
Investigadores argentinos desarrollaron una app para detectar enfermedades neurodegenerativas
Por Nora Bär
Mucho antes de que la resonancia magnética, la tomografía por emisión de positrones y otras imágenes cerebrales nos permitieran atisbar lo que sucede en el interior de nuestro cráneo sin perforarlo, los seres humanos contábamos con otro recurso invalorable: las palabras. Éstas no solo pueden “implantarse” en el cerebro y transformarlo, sino también indicarnos cómo está funcionando.
Ahora, estudios científicos de los últimos años sumados a los avances de la inteligencia artificial permiten dar un paso más y detectar pequeños cambios lingüísticos que delatan la presencia de enfermedades neurodegenerativas en desarrollo; a veces, con mayor precisión, y de forma más precoz y económica que otros métodos.
Un ejemplo es TELL (siglas en inglés de Toolkit to Examine Lifelike Language), una app desarrollada por investigadores argentinos para detectar estos trastornos mediante evaluaciones automatizadas del habla. La versión 1.0 ya se está empleando en más de diez centros de Hispanoamérica.
“Es un esfuerzo por trasladar años de investigación a una herramienta que puedan aplicar neurólogos, pacientes e investigadores –explica Adolfo García, director del Centro de Neurociencias Cognitivas (UdeSA), Senior Atlantic Fellow del Global Brain Health Institute (UCSF) e Investigador Asociado de la Universidad de Santiago de Chile–. Hace años que veníamos trabajando en marcadores lingüísticos de enfermedades cerebrales y siempre la idea era cómo convertir el lenguaje en algo de utilidad clínica, que sirviera para detectar enfermedades, evaluar la gravedad de ciertos cuadros y hacer predicciones sobre su posible progresión. Pero los avances eran más bien declarativos. O sea, escribíamos sobre cómo podrían aplicarse nuestros hallazgos, pero no los aplicábamos. El año pasado me puse ‘el sombrero de emprendedor’ y lanzamos una aplicación web (app) para volcar en ella muchas de las métricas que venimos desarrollando. Logramos una primera inversión de 500.000 dólares por parte de SF500, un fondo argentino que potencia start-ups de base científico-tecnológica, armamos una compañía y la app ya se está usando en varios países. Para investigación, damos licencias gratuitas y ahora estamos escalándola”.
Algunas de las patologías que se pueden caracterizar con esta app son la enfermedad de Alzheimer, el Parkinson y distintos tipos de demencia frontotemporal. Muchos de los marcadores que evalúa son sensibles en hablantes de distintas lenguas y dialectos. “Hay cosas que son bastante ‘agnósticas’ a la lengua –explica el científico–. Por ejemplo, un marcador típico de la enfermedad de Alzheimer es que las personas extienden las vocales, y hacen más pausas y de mayor duración cuando están hablando. Son estrategias que empleamos para pensar, para encontrar lo que queremos decir, y eso se puede captar independientemente del idioma del hablante, porque son mediciones de cuánto dura una palabra o un silencio. Otras métricas sí son más sensibles a las diferencias entre distintos idiomas, como las que apuntan a estructuras gramaticales. En este momento estamos trabajando sobre todo con español, inglés, portugués e italiano, pero también lanzamos una red internacional que se llama ‘Include’, con fondos de la Alzheimer’s Association, el Global Brain Health Institute y la Alzheimer’s Society, en la que participan 40 instituciones clínicas de más de 30 países para hacer estudios multiculturales sobre lenguaje en salud cerebral”.
Hay que aclarar que los resultados que arroja la app no son un diagnóstico, sino indicadores que pueden acompañarlo, refinarlo y contribuir a la identificación diferencial de distintas patologías.
“Sirven mucho para predecir cuál es la gravedad de un cuadro y pronosticar su avance –destaca García–. En los últimos trabajos que hicimos logramos discriminar entre personas con y sin enfermedad de Parkinson con más de un 90% de precisión. Lo mismo en enfermedad de Alzheimer. También pudimos distinguir entre distintos tipos de Parkinson con más del 80/85% de precisión. Con estas métricas del habla y el lenguaje inclluso pudimos inferir el nivel de atrofia cerebral de los pacientes. Y más aún, en un paper que publicamos en Neurology el año pasado, mostramos que es posible predecir la patología subyacente en demencia (que hoy sólo se confirma post-mortem) con registros del habla de 15 años antes de que las personas murieran”.
Según explica Gustavo Sevlever, director de investigación y docencia de Fleni, que no conoce en detalle la aplicación, pero cuyo equipo está trabajando con investigadores de la Facultad de Ciencias Exactas de la UBA en algo similar, en este momento hay muchos intentos de diagnosticar Alzheimer o neurodegeneración a partir de alteraciones del lenguaje.
“La idea es interesante, porque el lenguaje es una estructura muy compleja, con muchos centros cerebrales que actúan coordinadamente y una patología difusa debería tener un impacto precoz en este sistema –destaca–. Y en ese sentido la inteligencia artificial es disruptora. La dificultad, como siempre, son las validaciones en una enfermedad crónica con muchísimo tiempo de evolución. Uno de los desafíos es que desde la aparición de los biomarcadores el diagnóstico se convirtió en una especie de blanco móvil: muchos de los elementos que veíamos como indicadores de enfermedad de Alzheimer se solapan de alguna forma con el envejecimiento, es difícil discriminarlos. Pero si tienen una herramienta válida para [el análisis del] lenguaje, sin duda, será un aporte importante. Veremos qué dice el test del tiempo”.
Laura Alonso Alemany, investigadora especializada en procesamiento del lenguaje y minería de datos de la Facultad de Matemática, Astronomía y Física (Famaf), de la Universidad Nacional de Córdoba, aclara que no hay sistemas [de inteligencia artificial] que funcionen sin supervisión humana; es decir, que lo que pueden hacer es ofrecer al profesional indicios para que tome decisiones basadas en la evidencia. “Es una forma de recolección y organización de datos para ayudar a la toma de decisiones del médico –explica–. Lo importante es que no recolecten datos muy superficiales, haciéndonos creer que están entendiendo. Los sistemas de inteligencia artificial no razonan, sino que solamente combinan pedazos de cosas. Los reparos que podemos tener con estas cosas tienen bastante que ver con el secreto industrial. Confiamos en que está basándose en evidencia concluyente para hacer recomendaciones. Es distinto al caso de los fármacos, que como están protegidos por patentes sabemos exactamente cuál es su composición y cómo actúan. En el software no ocurre eso y no sabemos si los datos que están manejando son profundos o superficiales, y pueden llevarnos a extraer conclusiones espúreas”.
Los especialistas coinciden en que el mundo se enfrenta a una crisis de salud cerebral. Algunas estimaciones indican que para 2030 ocho millones de latinos se verá afectado por enfermedades neurodegenerativas, lo que implica una importante carga económica y social.
En ausencia de una cura, las posibilidades de mejorar [algo] la calidad de vida de los pacientes radican en la detección temprana, pero los métodos de diagnóstico de que se dispone son invasivos, costosos y dependientes de personal especializado que no siempre está disponible en toda la región. El análisis automatizado del habla captura marcadores de enfermedad cerebral en la producción espontánea del lenguaje. TELL proporcionaría una herramienta adaptada a poblaciones latinoamericanas.
Por otra parte, permite recopilar, almacenar, y visualizar datos de voz en tiempo real. Los participantes simplemente tienen que hablar en respuesta a instrucciones breves (por ejemplo, «describe tu rutina» o «narra un recuerdo agradable”), y luego se aplican los algoritmos de aprendizaje automático para detectar anomalías cerebrales.
“Se diferencia de otras tecnologías digitales en que resulta útil para diversos trastornos cerebrales, proporciona resultados sobre la marcha para los médicos, incluye comparaciones de métricas con datos normativos para estimar la severidad del déficit y puede usarse independientemente de la alfabetización, dialecto, comorbilidades y otros factores”, concluye García, que para lanzarse a esta aventura se asoció con Sigmind, una empresa fundada por el neurocientífico Mariano Sigman, el doctor en Ciencias de la Computación Facundo Carrillo y el ingeniero Raúl Echegoyen. El CEO de TELL es Fernando Johann.
