Canary Speech desarrolla una tecnología basada en IA para diagnosticar el alzhéimer
Se sabe que el alzhéimer es difícil de diagnosticar. Por lo general, los médicos utilizan una combinación de pruebas cognitivas, imágenes cerebrales y observación del comportamiento, lo que puede resultar caro y llevar mucho tiempo. Pero ¿y si una muestra de voz rápida, que es fácil de obtener de una persona en casa, pudiera ayudar a identificar a un paciente con alzhéimer?
La empresa Canary Speech desarrolla precisamente esta tecnología. Mediante el aprendizaje profundo, sus algoritmos analizan muestras cortas de voz en busca de indicios de alzhéimer y de otras enfermedades. El proveedor de aprendizaje profundo Syntiant anunció recientemente una colaboración con Canary Speech, que permitirá a Canary trasladar una tecnología que se usa principalmente en consultas médicas y hospitales al hogar de la persona, mediante un dispositivo médico.
Aunque algunos estudios han demostrado que los métodos de aprendizaje profundo que utilizan la voz y otros tipos de datos son muy precisos a la hora de clasificar a personas con alzhéimer y otras enfermedades en condiciones de laboratorio, es posible que en el mundo real los resultados sean diferentes. No obstante, la inteligencia artificial y los métodos de aprendizaje profundo pueden convertirse en herramientas útiles para establecer diagnósticos complejos.
La mayoría de la gente cree que el alzhéimer, la forma más común de demencia, afecta a la memoria. Pero las investigaciones muestran que el alzhéimer puede afectar al habla y al lenguaje incluso en las etapas más tempranas, antes de que aparezcan la mayoría de los síntomas. Aunque las personas normalmente no logran percibir estos efectos sutiles, un modelo de aprendizaje profundo entrenado con las voces de decenas de miles de personas con estas afecciones y sin ellas puede distinguir estos factores.
«Lo que le interesa es lo que le comunica el sistema nervioso central, que se transmite a través de la producción del habla. Eso es lo que hace Canary Speech: analizamos este conjunto de datos»
Hasta ahora, el algoritmo se basaba en la nube, pero la colaboración de Canary con Syntiant permite usar una aplicación basada en un chip, que funciona más rápido y tiene más memoria y capacidad de almacenamiento.
La nueva tecnología está diseñada para integrarse en un dispositivo portátil y analiza en menos de un segundo una muestra de habla de 20 o 30 segundos para detectar estados como el alzhéimer, además de la ansiedad, la depresión e incluso el nivel general de energía. O’Connell explicó que la precisión del sistema de Canary es de alrededor del 92,5 % a la hora de distinguir correctamente las voces de personas con y sin alzhéimer.
Algunos estudios sugieren que estados como la depresión y la ansiedad afectan al habla, y O’Connell explicó que Canary trabaja en probar y mejorar la precisión de sus algoritmos para detectar estas afecciones.
Según Frank Rudzicz, profesor adjunto de informática de la Universidad de Toronto y cofundador de Winterlight Labs, que produce un producto similar a Canary Speech, otras tecnologías de voz han tenido un éxito parecido. En un estudio de 2016, Rudzicz y otros investigadores utilizaron métodos sencillos de aprendizaje automático para analizar el habla de personas con alzhéimer y sin él, con una precisión de alrededor del 81 %.
«En el aprendizaje profundo, simplemente se introducen los datos sin procesar en estas redes neuronales profundas, y estas crean automáticamente sus propias representaciones internas»
Como todos los algoritmos de aprendizaje profundo, esto crea una «caja negra», lo que significa que es imposible saber con exactitud en qué aspectos del habla se fija el algoritmo. Según él, gracias al aprendizaje profundo, la precisión de estos algoritmos ha superado el 90 %.
Anteriormente, los programadores utilizaban el aprendizaje profundo junto con imágenes cerebrales médicas, como la resonancia magnética. En los estudios, muchos de estos métodos son igualmente precisos, por lo general con una precisión superior al 90 %.
En un estudio realizado en diciembre de 2021, los programadores lograron entrenar con éxito el algoritmo para distinguir no solo el cerebro de personas cognitivamente normales y de personas con alzhéimer, sino también el de personas con deterioro cognitivo leve, que en muchos casos son precursoras tempranas del alzhéimer, y cuyo cerebro era igual al de personas sanas o más parecido al de quienes tienen alzhéimer. Distinguir estos subtipos es especialmente importante, porque no todas las personas con deterioro cognitivo leve desarrollan alzhéimer.
«Queremos disponer de métodos para clasificar a las personas según el continuo de la enfermedad de Alzheimer. Se trata de sujetos que podrían desarrollar la enfermedad de Alzheimer»
Según Dayan, detectar a estos pacientes lo antes posible probablemente será crucial para tratar de forma eficaz sus enfermedades. En general, el aprendizaje profundo basado en escaneos tiene un nivel de eficacia igual de alto, al menos en los estudios de clasificación realizados en laboratorio.
Aún no se sabe si estas tecnologías serán igual de eficaces en el mundo real, pero es probable que funcionen bien. Los científicos explicaron que se necesitan más investigaciones para saberlo con certeza.
Otra razón de preocupación, según Dayan, son los posibles sesgos que, como muestran estudios recientes, la IA podría ocultar si los datos con los que se entrena el algoritmo carecen de suficiente diversidad. Por ejemplo, Rudzicz afirmó que un algoritmo entrenado con muestras de voz de personas de Toronto podría no funcionar igual de bien en zonas rurales.
O’Connell afirmó que el algoritmo de Canary Speech analiza elementos no lingüísticos del habla, y que tienen versiones de la tecnología utilizadas en otros países, como Japón y China, que se entrenan con datos de hablantes nativos: «Estamos probando nuestro modelo y entrenándolo en este sistema, en este entorno, para mejorar el rendimiento».
Aunque la colaboración de Canary con Syntiant podría hacer posible la monitorización remota en tiempo real, O’Connell considera que el diagnóstico formal debe provenir de un médico, y que esta tecnología es una herramienta más para establecer el diagnóstico. Dayan está de acuerdo: «Espero que, en los próximos años, la IA ayude a los médicos, pero no los sustituya por completo».
