Desarrollo de una app para diagnosticar ELA

Desarrollo de una app para diagnosticar ELA

Líder de pensamientoDr. Jordán VerdeJefe del Laboratorio del Lenguaje y Trastornos de la AlimentaciónInstituto MGH de Profesiones de la Salud

En esta entrevista, hablamos con Jordan Green del Dr. MGH Institute sobre su reciente asociación de investigación con Modality.AI, que examinó si una aplicación podría usarse para diagnosticar eficazmente la pérdida del lenguaje debido a la ELA.

¿Podría presentarse y contarnos qué inspiró su investigación sobre la esclerosis lateral amiotrófica (ELA)?

Soy asesor científico jefe, profesor de ciencias de la rehabilitación y director del laboratorio de trastornos del habla y la nutrición del Instituto de Profesiones de la Salud MGH en Boston, Massachusetts. Soy un logopeda certificado y un investigador entusiasta que estudia los trastornos del habla y la deglución a lo largo de la vida.

Mientras estudiaba el desarrollo del control motor del habla en niños y desarrollaba tecnologías informáticas para cuantificar este habla, comencé a interactuar con médicos que dirigen clínicas de ELA. Expresaron la necesidad de una tecnología similar a la que yo uso para medir mejor el habla y la deglución en adultos con ELA. Tenían las tecnologías y técnicas adecuadas para medir los movimientos de las extremidades y la marcha, pero tenían dificultades para medir y evaluar el sistema del habla porque los músculos son muy pequeños y relativamente inaccesibles y los movimientos del habla son muy rápidos y diminutos. Este tipo de medición tradicionalmente requería una gran experiencia y medidas más objetivas. A partir de entonces, comencé a trabajar en el desarrollo de herramientas de evaluación informáticas específicas para ELA.

Crédito de la foto: Kateryna Kon/Shutterstock.com

Actualmente, pueden pasar hasta 18 meses para ser diagnosticado con ELA, y cuando esto ocurre, las terapias con medicamentos dejan de ser tan efectivas debido a la pérdida de neuronas motoras. ¿Por qué es tan importante poder detectar la ELA antes en los pacientes?

Cuando se trata de una enfermedad como la ELA, el diagnóstico precoz es fundamental. Sólo el 15 por ciento de las personas que desarrollan ELA tienen un marcador genético que podemos identificar. Por lo tanto, es fundamental que los médicos tengan formas objetivas de evaluar la afección lo más pronto y con mayor precisión posible. Dado que una cuarta parte de los pacientes con ELA tienen un trastorno del habla como primer síntoma, el seguimiento de cambios sutiles podría servir como un sistema de alerta temprana.

A medida que avanza la ELA, las neuronas motoras responsables del habla, la deglución, la respiración y la marcha pueden deteriorarse rápidamente, pero si la enfermedad puede detectarse en sus primeras etapas mientras las neuronas motoras aún están intactas, es probable que se maximicen los beneficios de las intervenciones. Las tecnologías adecuadas como estas también pueden detectar cambios en los pacientes con mayor precisión y, en última instancia, permitir un mejor seguimiento de la progresión de la enfermedad.

Actualmente participan en un estudio para probar la eficacia de una aplicación de salud digital para la ELA. ¿Puede contarnos más sobre este estudio y sus objetivos?

Los Institutos Nacionales de Salud (NIH) otorgaron a mi equipo una subvención en colaboración con el desarrollador de aplicaciones Modality.AI para determinar si los datos del habla recopilados por una aplicación son tan efectivos o más efectivos que las observaciones de expertos clínicos que evalúan y tratan los problemas del habla y la deglución debidos a la ELA.

Los datos recopilados por la aplicación se comparan con los resultados obtenidos mediante técnicas de laboratorio de medición del lenguaje de última generación, que son costosas y complicadas de utilizar. Cuando los resultados coinciden con los de los médicos y sus equipos de última generación, sabemos que tienen un enfoque válido.

Crédito de la imagen: Modalidad.AI

La aplicación en sí cuenta con una agente virtual, Tina. ¿Cómo puede este agente virtual obtener información de datos de voz?

Usar la aplicación es tan fácil como hacer clic en un enlace. El paciente recibe un correo electrónico o mensaje de texto indicando que es momento de crear un registro. Al hacer clic en un enlace se activa la cámara y el micrófono, y Tina, la agente virtual de IA, comienza a dar instrucciones. Luego se le pide al paciente que haga cosas como contar números, repetir oraciones y leer un párrafo. Mientras tanto, la aplicación recopila datos para medir variables de las señales de video y audio, como la velocidad de los movimientos de los labios y la mandíbula, la velocidad del habla, la variación del tono y los patrones de pausa.

Tina decodifica información de la acústica y los movimientos del habla que se extrae automáticamente de las grabaciones de vídeo de rostro completo obtenidas durante la evaluación. Las tecnologías de visión por computadora, como el seguimiento facial, brindan una forma no invasiva de registrar y calcular con precisión características a partir de grandes conjuntos de datos de movimientos faciales durante el habla.

¿Qué información puede aportar esta app de salud a los pacientes? ¿Cuáles son los beneficios para los pacientes de tener toda esta información al alcance de su mano?

Los cambios en el habla son comunes en la ELA, pero la tasa de progresión de la ELA varía de persona a persona. Los pacientes informan que la pérdida de la capacidad de hablar es uno de los peores efectos de la enfermedad. La aplicación permite a los pacientes documentar su historial lingüístico de forma remota. Los proveedores utilizarán esta información para ayudar a los pacientes y sus familias a tomar decisiones informadas durante el curso de la enfermedad.

Como logopedas, queremos optimizar la comunicación durante el mayor tiempo posible. Y enseñar a los pacientes desde el principio a utilizar medios de comunicación alternativos es más eficaz que esperar hasta que hayan perdido la capacidad de hablar. Además, la confirmación temprana de un diagnóstico brinda a los pacientes tiempo suficiente para comenzar a enviar mensajes y realizar operaciones bancarias de voz para que su propia voz pueda usarse en un dispositivo de conversión de texto a voz (TTS) o de generación de voz (SGD). Hay beneficios adicionales para los pacientes, que incluyen costos reducidos y la eliminación de la necesidad de que los pacientes viajen a las clínicas para una evaluación del idioma.

Finalmente, la aplicación generalmente requiere solo unos minutos por semana de participación del paciente, lo que ahorra tiempo y costos y requiere menos energía que un examen clínico, así como el tiempo y los retrasos asociados con la coordinación de citas y el viaje a un centro de atención médica. La falta de detección precoz y de medidas objetivas son dos problemas que han dificultado el avance del tratamiento. El diagnóstico temprano es crucial para una enfermedad que progresa rápidamente.

Además de los beneficios para los pacientes, ¿qué beneficios podría brindar a los proveedores de atención médica?

La aplicación permitirá a los médicos acceder de forma remota a los datos de sus pacientes y, por sí misma, realizará un seguimiento del progreso del habla, lo que permitirá al proveedor gestionar y monitorear el habla sin la necesidad de visitas frecuentes en persona. Este nivel de accesibilidad permite a los médicos controlar a los pacientes con mayor regularidad, sacar conclusiones sobre el tratamiento más precisas y determinar el mejor plan de tratamiento posible. Esto simplifica todo el proceso y reduce la carga para los pacientes y proveedores al tiempo que reduce el consumo de recursos para los servicios clínicos. La mayor precisión y eficiencia de la aplicación también será particularmente atractiva para los científicos clínicos y las empresas que utilizan patrones de habla como medidas de resultados en ensayos de fármacos para la ELA.

En este estudio, usted se asoció con una empresa de tecnología. Modalidad.AI. ¿Qué importancia tienen este tipo de colaboraciones para traer nuevas ideas y tecnologías científicas al mundo?

Aproveché la oportunidad de trabajar con Modality.AI. Los miembros del equipo tienen una historia única y extensa en el desarrollo de aplicaciones de voz de IA y un interés comercial en implementar esta tecnología en ensayos clínicos y de atención médica convencionales. Las nuevas tecnologías corren especial riesgo de fracasar si no cuentan con el respaldo de una empresa comercial. Por lo tanto, esta relación fue fundamental para nuestros objetivos generales del estudio.

Espero que este tipo de colaboraciones en tecnología sanitaria se vuelvan cada vez más populares y tengan un impacto cada vez mayor en estudios como este.

Crédito de la foto: elenabsl/Shutterstock.com

La inteligencia artificial (IA) ha experimentado un enorme crecimiento en popularidad en los últimos años. ¿A qué se debe esto? ¿Cree que la IA seguirá convirtiéndose en una parte integral de la atención sanitaria?

La IA juega un papel muy importante en la identificación de condiciones que son difíciles de entender para nuestra mente humana, ya que la mayoría de los problemas de salud son multidimensionales y muy complicados, y a menudo afectan múltiples partes del cuerpo y una variedad de síntomas que cambian con el tiempo.

El aprendizaje automático es una solución perfecta para diagnosticar y monitorear ciertas condiciones de salud porque hay muchos datos que absorber. Estas máquinas pueden procesar estos datos y definir patrones de maneras que los ojos y oídos humanos no pueden discernir con el mismo grado de precisión.

Usar la IA y el aprendizaje automático de esta manera también será un desafío. Para que estos modelos sean precisos y funcionen según lo previsto, es necesario entrenarlos. Adquirir los datos de entrenamiento necesarios para que estos modelos sean precisos será una tarea importante. Por ejemplo, entrenar una máquina para que realice evaluaciones precisas puede requerir cientos o miles de ejemplos de una condición particular para que el algoritmo se entrene y "aprenda" sobre ella. Para ello, estos datos deben ser recogidos y luego seleccionados con mucho cuidado. Esta falta de datos está resultando ser un cuello de botella.

Aunque la IA ha demostrado ser invaluable en el campo médico, no reemplazará a los médicos. Los profesionales humanos brindan atención personalizada incomparable, toma de decisiones y apoyo integral al paciente y no pueden ser reemplazados.

¿Qué sigue para ti y tus estudios?

Algunos representantes de pacientes están probando actualmente la aplicación y transmitiéndola a los pacientes. Según la estructura de la subvención que recibimos de los NIH, continuaremos trabajando en la aplicación para cumplir con los puntos de referencia establecidos durante los próximos tres años para continuar el ciclo de subvenciones. La Fase I tiene una duración de un año y la Fase II dura dos años.

Acerca del Dr. Jordan Green

El Dr. Green, que trabaja en el Instituto MGH desde 2013, es un patólogo del habla que estudia los aspectos biológicos de la producción del habla. Imparte cursos de posgrado sobre fisiología del habla y las bases neuronales del habla, el lenguaje y la audición. Como asesor científico jefe del Departamento de Investigación del PHI, trabaja con el rector asociado de investigación en contratación, planificación estratégica y una variedad de proyectos especiales. También es director del Laboratorio de Trastornos del Habla y de la Nutrición (SFDL) del instituto. Fue nombrado el primer profesor Matina Souretis Horner de Ciencias de la Rehabilitación. Su investigación se centra en los trastornos de la producción del habla, el desarrollo de habilidades oromotoras para el habla temprana y la alimentación, y la cuantificación del desempeño motor del habla. Su investigación ha sido publicada en revistas nacionales e internacionales, incluidas Child Development, Journal of Neurophysiology, Journal of Speech and Hearing Research y Journal of the Acoustical Society of America. Ha formado parte de varios paneles de revisión de subvenciones en los Institutos Nacionales de Salud. En 2012 fue nombrado miembro de la Asociación Estadounidense del Habla, el Lenguaje y la Audición y, en 2015, el Dr. Green recibió el Premio Willard R. Zemlin en Ciencias del Habla.

Su trabajo ha sido financiado por los Institutos Nacionales de Salud (NIH) desde 2000. Contribuye productivamente a las principales revistas con más de 100 publicaciones revisadas por pares. Ha presentado su trabajo a nivel internacional y nacional. Es asesor de varios estudiantes de doctorado del IHP, tiene diez doctorados. disertaciones y supervisó once investigadores postdoctorales. También es consultor editorial de numerosas revistas y ha formado parte de varios paneles de revisión de subvenciones de los NIH.

.