Sviluppo di un'app per la diagnosi della SLA

Sviluppo di un'app per la diagnosi della SLA

Leader del pensieroDottor Jordan GreenResponsabile del Laboratorio Disturbi del Linguaggio e dell'AlimentazioneIstituto MGH per le professioni sanitarie

In questa intervista parliamo con Jordan Green del Dr. MGH Institute della sua recente collaborazione di ricerca con Modality.AI, che ha esaminato se un'app potrebbe essere utilizzata per diagnosticare efficacemente la perdita del linguaggio dovuta alla SLA.

Potresti presentarti e raccontarci cosa ha ispirato la tua ricerca sulla sclerosi laterale amiotrofica (SLA)?

Sono consulente scientifico capo, professore di scienze della riabilitazione e direttore del laboratorio sui disturbi della parola e della nutrizione presso l'MGH Institute of Health Professions di Boston, Massachusetts. Sono un logopedista certificato e un ricercatore entusiasta che studia i disturbi del linguaggio e della deglutizione nell'arco della vita.

Mentre studiavo lo sviluppo del controllo motorio per il linguaggio nei bambini e sviluppavo tecnologie computerizzate per quantificare questo linguaggio, ho iniziato a interagire con i medici che gestiscono cliniche per la SLA. Hanno espresso la necessità di una tecnologia simile a quella che utilizzo per misurare meglio il linguaggio e la deglutizione negli adulti affetti da SLA. Avevano le tecnologie e le tecniche giuste per misurare i movimenti degli arti e la deambulazione, ma avevano difficoltà a misurare e valutare il sistema vocale perché i muscoli sono così piccoli e relativamente inaccessibili e i movimenti vocali sono così rapidi e minuti. Questo tipo di misurazione richiedeva tradizionalmente competenze significative e misure più oggettive. Da quel momento in poi, ho iniziato a lavorare allo sviluppo di strumenti di valutazione computerizzati specifici per la SLA.

Credito fotografico: Kateryna Kon/Shutterstock.com

Attualmente possono essere necessari fino a 18 mesi per la diagnosi di SLA e quando ciò si verifica, le terapie farmacologiche non sono più altrettanto efficaci a causa della perdita dei motoneuroni. Perché è così importante poter diagnosticare precocemente la SLA nei pazienti?

Quando si tratta di una malattia come la SLA, la diagnosi precoce è fondamentale. Solo il 15% delle persone che sviluppano la SLA hanno un marcatore genetico che possiamo identificare. Pertanto, è fondamentale che i medici dispongano di metodi oggettivi per valutare la condizione il più precocemente e accuratamente possibile. Poiché un quarto dei pazienti affetti da SLA ha un disturbo del linguaggio come primo sintomo, il monitoraggio di cambiamenti sottili potrebbe fungere da sistema di allarme precoce.

Con il progredire della SLA, i motoneuroni responsabili del linguaggio, della deglutizione, della respirazione e della deambulazione possono deteriorarsi rapidamente, ma se la malattia può essere rilevata nelle sue fasi iniziali mentre i motoneuroni sono ancora intatti, è probabile che i benefici degli interventi siano massimizzati. Le tecnologie giuste come queste possono anche rilevare i cambiamenti nei pazienti in modo più preciso, consentendo in definitiva un migliore monitoraggio della progressione della malattia.

Attualmente sono coinvolti in uno studio per testare l’efficacia di un’app di salute digitale per la SLA. Puoi dirci di più su questo studio e sui suoi obiettivi?

Il National Institutes of Health (NIH) ha assegnato al mio team un finanziamento in collaborazione con lo sviluppatore di app Modality.AI per determinare se i dati vocali raccolti da un'app sono altrettanto efficaci o più efficaci delle osservazioni di esperti clinici che valutano e trattano i problemi di linguaggio e deglutizione dovuti alla SLA.

I dati raccolti dall'app vengono confrontati con i risultati ottenuti da tecniche di laboratorio di misurazione del linguaggio all'avanguardia, costose e complicate da utilizzare. Quando i risultati corrispondono a quelli dei medici e delle loro apparecchiature all’avanguardia, sappiamo che hanno un approccio valido.

Credito immagine: Modality.AI

L'app stessa presenta un agente virtuale, Tina. In che modo questo agente virtuale è in grado di ottenere informazioni sui dati vocali?

Usare l'applicazione è facile come fare clic su un collegamento. Il paziente riceve un'e-mail o un messaggio di testo che indica che è ora di creare un record. Facendo clic su un collegamento si attivano la fotocamera e il microfono e Tina, l'agente virtuale dell'intelligenza artificiale, inizia a dare istruzioni. Al paziente viene quindi chiesto di fare cose come contare numeri, ripetere frasi e leggere un paragrafo. Nel frattempo, l'app raccoglie dati per misurare le variabili dei segnali video e audio, come: B. Velocità dei movimenti delle labbra e della mascella, velocità del parlato, variazione del tono e schemi di pausa.

Tina decodifica le informazioni dall'acustica del parlato e dai movimenti del parlato che vengono automaticamente estratte dalle registrazioni video del volto ottenute durante la valutazione. Le tecnologie di visione artificiale, come il tracciamento facciale B., forniscono un modo non invasivo per registrare e calcolare con precisione le caratteristiche da grandi set di dati di movimenti facciali durante il parlato.

Quali informazioni può fornire ai pazienti questa app sanitaria? Quali sono i vantaggi per i pazienti di avere tutte queste informazioni a portata di mano?

I cambiamenti del linguaggio sono comuni nella SLA, ma il tasso di progressione della SLA varia da persona a persona. I pazienti riferiscono che la perdita della capacità di parlare è uno degli effetti peggiori della malattia. L'app consente ai pazienti di documentare la propria storia linguistica da remoto. I fornitori utilizzeranno queste informazioni per aiutare i pazienti e le loro famiglie a prendere decisioni informate durante il corso della malattia.

Come logopedisti desideriamo ottimizzare la comunicazione il più a lungo possibile. E insegnare precocemente ai pazienti a utilizzare mezzi di comunicazione alternativi è più efficace che aspettare fino a quando non perdono la capacità di parlare. Inoltre, la conferma precoce di una diagnosi fornisce ai pazienti tempo sufficiente per iniziare il message banking e il voice banking in modo che la propria voce possa essere utilizzata in un text-to-speech (TTS) o in un dispositivo di generazione vocale (SGD). Ci sono ulteriori vantaggi per i pazienti, tra cui la riduzione dei costi e l’eliminazione della necessità per i pazienti di recarsi in clinica per una valutazione linguistica.

Infine, l’app richiede generalmente solo pochi minuti a settimana di coinvolgimento del paziente, risparmiando tempo e costi e richiedendo meno energia di un esame clinico, oltre al tempo e ai ritardi associati al coordinamento degli appuntamenti e al viaggio verso una struttura sanitaria. La mancanza di una diagnosi precoce e di misure oggettive sono due problemi che hanno ostacolato il progresso del trattamento. La diagnosi precoce è fondamentale per una malattia in rapida progressione.

Oltre ai benefici per i pazienti, quali vantaggi potrebbe offrire agli operatori sanitari?

L'app consentirà ai medici di accedere in remoto ai dati dei propri pazienti e, di per sé, monitorerà i progressi del linguaggio, consentendo al fornitore di gestire e monitorare il parlato senza la necessità di frequenti visite di persona. Questo livello di accessibilità consente ai medici di monitorare i pazienti con maggiore regolarità, trarre conclusioni più accurate sul trattamento e determinare il miglior piano di trattamento possibile. Ciò semplifica l’intero processo e riduce l’onere per pazienti e fornitori, riducendo al contempo il consumo di risorse per i servizi clinici. La maggiore precisione ed efficienza dell’app sarà particolarmente interessante anche per gli scienziati clinici e le aziende che utilizzano modelli vocali come misure di risultato negli studi sui farmaci per la SLA.

In questo studio hai collaborato con un'azienda tecnologica Modalità.AI. Quanto sono importanti questi tipi di collaborazioni nel portare nuove idee e tecnologie scientifiche nel mondo?

Ho colto al volo l'opportunità di lavorare con Modality.AI. I membri del team hanno una storia unica ed estesa nello sviluppo di applicazioni vocali basate sull'intelligenza artificiale e un interesse commerciale nell'implementazione di questa tecnologia nell'assistenza sanitaria tradizionale e negli studi clinici. Le nuove tecnologie sono particolarmente a rischio di fallimento se non sono supportate da una società commerciale. Pertanto, questa relazione è stata fondamentale per i nostri obiettivi generali dello studio.

Mi aspetto che questi tipi di collaborazioni nel campo delle tecnologie sanitarie diventino sempre più popolari e abbiano un impatto sempre maggiore su studi come questo.

Credito fotografico: elenabsl/Shutterstock.com

L’intelligenza artificiale (AI) ha registrato un’enorme crescita di popolarità negli ultimi anni. Perché e pensi che l’intelligenza artificiale continuerà a diventare parte integrante dell’assistenza sanitaria?

L’intelligenza artificiale svolge un ruolo molto importante nell’identificare condizioni difficili da comprendere per la nostra mente umana, poiché la maggior parte dei problemi di salute sono multidimensionali e molto complicati, spesso interessano più parti del corpo e una varietà di sintomi che cambiano nel tempo.

L’apprendimento automatico è una soluzione perfetta per diagnosticare e monitorare determinate condizioni di salute perché ci sono moltissimi dati da assorbire. Queste macchine possono elaborare questi dati e definire modelli in modi che gli occhi e le orecchie umane non possono discernere con lo stesso grado di precisione.

Anche l’utilizzo dell’intelligenza artificiale e dell’apprendimento automatico in questo modo sarà impegnativo. Affinché questi modelli siano accurati e funzionino come previsto, devono essere addestrati. Acquisire i dati di addestramento necessari per rendere accurati questi modelli sarà un compito importante. Ad esempio, addestrare una macchina a effettuare valutazioni accurate può richiedere centinaia o migliaia di esempi di una condizione particolare affinché l’algoritmo possa addestrarsi e “imparare” a riguardo. A questo scopo questi dati devono essere raccolti e poi selezionati con molta attenzione. Questa mancanza di dati si sta rivelando un collo di bottiglia.

Sebbene l’intelligenza artificiale si sia rivelata preziosa in campo medico, non sostituirà i medici. I professionisti umani forniscono cure personalizzate, processi decisionali e supporto completo ai pazienti senza precedenti e non possono essere sostituiti.

Qual è il futuro per te e per i tuoi studi?

Alcuni rappresentanti dei pazienti stanno attualmente testando l’app e trasmettendola ai pazienti. Sulla base della struttura della sovvenzione che abbiamo ricevuto dall'NIH, continueremo a lavorare sull'app per soddisfare i parametri di riferimento stabiliti nei prossimi tre anni per continuare il ciclo di sovvenzione. La Fase I dura un anno e la Fase II dura due anni.

Informazioni sul dottor Jordan Green

Il dottor Green, che lavora presso l'MGH Institute dal 2013, è un logopedista che studia gli aspetti biologici della produzione del linguaggio. Tiene corsi di specializzazione sulla fisiologia del linguaggio e sulle basi neurali della parola, del linguaggio e dell'udito. In qualità di consulente scientifico capo nel dipartimento di ricerca di IHP, lavora con il prevosto associato per la ricerca su reclutamento, pianificazione strategica e una varietà di progetti speciali. È anche direttore del Laboratorio sui disturbi della parola e della nutrizione (SFDL) presso l'istituto. È stato nominato il primo professore di scienze della riabilitazione Matina Souretis Horner. La sua ricerca si concentra sui disturbi della produzione del linguaggio, sullo sviluppo delle capacità oromotorie per il linguaggio e l'alimentazione precoci e sulla quantificazione delle prestazioni motorie del linguaggio. La sua ricerca è stata pubblicata su riviste nazionali e internazionali tra cui Child Development, Journal of Neurofisiology, Journal of Speech and Hearing Research e Journal of the Acoustical Society of America. Ha fatto parte di diversi comitati di revisione delle sovvenzioni presso il National Institutes of Health. Nel 2012 è stato nominato membro dell'American Speech-Language-Hearing Association e nel 2015 ha ricevuto il Willard R. Zemlin Award in Speech Science.

Il suo lavoro è stato finanziato dal National Institutes of Health (NIH) dal 2000. Contribuisce in modo produttivo alle principali riviste con oltre 100 pubblicazioni sottoposte a revisione paritaria. Ha presentato il suo lavoro a livello internazionale e nazionale. È consulente di diversi studenti di dottorato dell'IHP, ha dieci dottorati di ricerca. tesi di laurea e ha supervisionato undici ricercatori post-dottorato. È anche consulente editoriale per numerose riviste e ha fatto parte di diversi comitati di revisione delle sovvenzioni NIH.

.