Un artículo de Guillermo Cecchi,
Gerente del Laboratorio de Psiquiatría Computacional y Neuroimágenes de IBM Thomas J. Watson Research Center

Hoy en día no existe una cura o prevención eficaz para el Alzheimer. Habitualmente los diagnósticos de esta enfermedad suelen hacerse en un estado avanzado, cuando ya es demasiado tarde para evitar que la enfermedad siga avanzando. En este contexto, la intervención temprana es la forma más probable de disminuir el riesgo, retrasar su aparición y ralentizar su progreso, teniendo en cuenta que en 2050 la OMS prevé que los casos aumenten hasta los 27 millones en todo el mundo.

Dado que la detección de la enfermedad antes incluso de que aparezcan los síntomas es clave y permitiría a los médicos retrasar y tratar la enfermedad con mayor efectividad, desde IBM Research y Pfizer trabajamos en un modelo predictivo para ayudar a predecir la aparición eventual de la enfermedad en personas cognitivamente sanas. Y para ello, pusimos el foco en el lenguaje humano, uno de los factores más relevantes asociados al deterioro cognitivo en la demencia.

Partiendo de que el lenguaje es una de las bases para la evaluación de la salud mental entre pacientes y médicos, y que las tecnologías digitales actuales tienen un gran potencial en diferentes áreas, esta investigación estuvo motivada para tratar de aplicar las herramientas de computación de las que disponemos en la actualidad al campo de la salud mental.

Para ello utilizamos muestras del lenguaje, escrito y hablado, que se producen en evaluaciones con pacientes con problemas de salud mental, respetando siempre los principios básicos de privacidad, transparencia y consentimiento. Tratamos de coger pruebas del lenguaje que sean fáciles para los pacientes, cotidianas, entretenidas y que podamos hacerlas desde casa, para facilitar la interacción con el paciente. Y a partir de ahí utilizamos un procesamiento de señales que identifican el tono de la voz, por ejemplo, o técnicas más abstractas que detecten, por ejemplo, la presencia de metáforas lingüísticas en el discurso de una persona.

A través pruebas del habla cortas, no invasivas y estandarizadas conseguimos predecir si una persona, en ese momento cognitivamente sana, iba a desarrollar la enfermedad de Alzheimer antes de los 85 años, con una precisión de casi un 75%. Y en promedio se obtiene entre 7 u 8 años antes de que se manifieste ningún síntoma reconocible captado por los métodos tradicionales de evaluación del estado cognitivo.

Estas predicciones se hicieron con muestras de datos de un grupo de personas cognitivamente sanas que finalmente desarrollaron o no la enfermedad más adelante en la vida, lo que permitió a los investigadores verificar la precisión de la predicción del modelo de IA. Este es un aumento significativo con respecto a las predicciones basadas en escalas clínicas (59%) y en la elección aleatoria (50%).

En concreto, el modelo utiliza la tecnología de procesamiento del lenguaje natural para analizar las muestras de habla de los pacientes a través una prueba cognitiva breve, de uno o dos minutos de duración que consiste en la descripción de una imagen a través del habla. Dichas pruebas fueron proporcionadas por el Framingham Heart Study, un estudio de larga duración que rastrea varios aspectos de la salud en más de 5.000 personas y sus familias desde 1948 y que permitió comprobar la eficacia del modelo.

Para entrenar el modelo de IA, se utilizaron muestras que se recogieron cuando los pacientes estaban cognitivamente sanos y antes de experimentar signos de deterioro. Acto seguido, se analizaron las transcripciones de las muestras de habla de los participantes con el procesamiento del lenguaje natural, lo que permitió aprovechar la IA para detectar sutilezas y cambios en el discurso que de otro modo podrían haberse pasado por alto.

Los resultados demostraron que es posible predecir la aparición futura de la enfermedad de Alzheimer utilizando muestras de lenguaje obtenidas de individuos cognitivamente sanos. Además de este valioso hallazgo, esta prueba tiene un gran valor en la actualidad, pudiendo utilizarse para comprobar la eficacia de un tratamiento en un paciente. Esto se consigue realizando la misma prueba lingüística meses más tarde para comprobar si ha habido cambios en el lenguaje, y, por tanto, si el tratamiento que se le aplica al paciente está teniendo éxito.