Desenvolvimento de um aplicativo para diagnóstico de ELA

Desenvolvimento de um aplicativo para diagnóstico de ELA

Líder inovadorDr.Chefe do Laboratório de Distúrbios de Linguagem e AlimentaçãoInstituto MGH para Profissões de Saúde

Nesta entrevista, conversamos com Jordan Green, do Dr. MGH Institute, sobre sua recente parceria de pesquisa com a Modality.AI, que examinou se um aplicativo poderia ser usado para diagnosticar efetivamente a perda de linguagem devido à ELA.

Você poderia se apresentar e nos contar o que inspirou sua pesquisa sobre a Esclerose Lateral Amiotrófica (ELA)?

Sou Conselheiro Científico Chefe, Professor de Ciências da Reabilitação e Diretor do Laboratório de Distúrbios da Fala e Nutrição do Instituto MGH de Profissões de Saúde em Boston, Massachusetts. Sou fonoaudióloga certificada e pesquisadora entusiasta que estuda distúrbios da fala e da deglutição ao longo da vida.

À medida que estudava o desenvolvimento do controle motor da fala em crianças e desenvolvia tecnologias baseadas em computador para quantificar essa fala, comecei a interagir com médicos que administram clínicas de ELA. Eles expressaram a necessidade de uma tecnologia semelhante à que utilizo para medir melhor a fala e a deglutição em adultos com ELA. Eles tinham as tecnologias e técnicas certas para medir os movimentos dos membros e a marcha, mas tinham dificuldade em medir e avaliar o sistema da fala porque os músculos são muito pequenos e relativamente inacessíveis e os movimentos da fala são muito rápidos e minuciosos. Este tipo de medição tradicionalmente exigia conhecimentos significativos e medidas mais objetivas. A partir de então, comecei a trabalhar no desenvolvimento de ferramentas de avaliação baseadas em computador específicas para ELA.

Crédito da foto: Kateryna Kon/Shutterstock.com

Atualmente, o diagnóstico de ELA pode demorar até 18 meses e, quando isso ocorre, as terapias medicamentosas não são mais tão eficazes devido à perda de neurônios motores. Por que é tão importante ser capaz de detectar ELA mais cedo nos pacientes?

Quando se trata de uma doença como a ELA, o diagnóstico precoce é essencial. Apenas 15% das pessoas que desenvolvem ELA possuem um marcador genético que podemos identificar. Portanto, é fundamental que os médicos tenham formas objetivas de avaliar a condição o mais precoce e precisa possível. Como um quarto dos pacientes com ELA apresenta um distúrbio de fala como primeiro sintoma, o monitoramento de alterações sutis poderia servir como um sistema de alerta precoce.

À medida que a ELA progride, os neurónios motores responsáveis ​​pela fala, deglutição, respiração e marcha podem deteriorar-se rapidamente, mas se a doença puder ser detectada nas suas fases iniciais, enquanto os neurónios motores ainda estão intactos, os benefícios das intervenções provavelmente serão maximizados. As tecnologias certas como estas também podem detectar alterações nos pacientes com mais precisão, permitindo, em última análise, uma melhor monitorização da progressão da doença.

Eles estão atualmente envolvidos em um estudo para testar a eficácia de um aplicativo digital de saúde para ELA. Você pode nos contar mais sobre este estudo e seus objetivos?

Os Institutos Nacionais de Saúde (NIH) concederam à minha equipe uma bolsa em colaboração com o desenvolvedor de aplicativos Modality.AI para determinar se os dados de fala coletados por um aplicativo são tão ou mais eficazes do que as observações de especialistas clínicos que avaliam e tratam problemas de fala e deglutição devido à ELA.

Os dados coletados pelo aplicativo são comparados com resultados obtidos com técnicas laboratoriais de medição de linguagem de última geração, que são caras e complicadas de usar. Quando os resultados correspondem aos dos médicos e aos seus equipamentos de última geração, sabemos que eles têm uma abordagem válida.

Crédito da imagem: Modalidade.AI

O próprio aplicativo conta com uma agente virtual, Tina. Como esse agente virtual consegue obter informações de dados de voz?

Usar o aplicativo é tão fácil quanto clicar em um link. O paciente recebe um e-mail ou mensagem de texto indicando que é hora de criar um registro. Clicar em um link ativa a câmera e o microfone, e Tina, a agente virtual de IA, começa a dar instruções. O paciente é então solicitado a fazer coisas como contar números, repetir frases e ler um parágrafo. Enquanto isso, o aplicativo coleta dados para medir variáveis ​​dos sinais de vídeo e áudio, como: velocidade dos movimentos dos lábios e mandíbula, velocidade da fala, variação do tom e padrões de pausa.

Tina decodifica informações da acústica e dos movimentos da fala que são extraídas automaticamente de gravações de vídeo de rosto inteiro obtidas durante a avaliação. As tecnologias de visão computacional – como o rastreamento facial – fornecem uma maneira não invasiva de registrar e calcular com precisão características de grandes conjuntos de dados de movimentos faciais durante a fala.

Que informações este aplicativo de saúde pode fornecer aos pacientes? Quais são os benefícios para os pacientes de ter todas essas informações ao seu alcance?

Alterações na fala são comuns na ELA, mas a taxa de progressão da ELA varia de pessoa para pessoa. Os pacientes relatam que a perda da capacidade de falar é um dos piores efeitos da doença. O aplicativo permite que os pacientes documentem seu histórico linguístico remotamente. Os provedores usarão essas informações para ajudar os pacientes e suas famílias a tomar decisões informadas ao longo do curso da doença.

Como fonoaudiólogos, queremos otimizar a comunicação pelo maior tempo possível. E ensinar precocemente os pacientes a usar meios alternativos de comunicação é mais eficaz do que esperar até que percam a capacidade de falar. Além disso, a confirmação precoce de um diagnóstico fornece aos pacientes tempo suficiente para iniciar o banco de mensagens e voz, para que sua própria voz possa ser usada em uma conversão de texto em fala (TTS) ou em um dispositivo gerador de fala (SGD). Existem benefícios adicionais para os pacientes, incluindo custos reduzidos e eliminação da necessidade de os pacientes se deslocarem às clínicas para uma avaliação linguística.

Por fim, o aplicativo geralmente requer apenas alguns minutos por semana de envolvimento do paciente, economizando tempo e custos e exigindo menos energia do que um exame clínico, bem como o tempo e os atrasos associados à coordenação de consultas e viagens a um estabelecimento de saúde. A falta de detecção precoce e de medidas objetivas são dois problemas que têm dificultado o progresso do tratamento. O diagnóstico precoce é crucial para uma doença que progride rapidamente.

Além dos benefícios para os pacientes, que benefícios poderia proporcionar aos prestadores de cuidados de saúde?

O aplicativo permitirá que os médicos acessem remotamente os dados de seus pacientes e, por si só, acompanhará o progresso da fala, permitindo ao profissional gerenciar e monitorar a fala sem a necessidade de visitas presenciais frequentes. Este nível de acessibilidade permite que os médicos monitorem os pacientes com mais regularidade, tirem conclusões mais precisas do tratamento e determinem o melhor plano de tratamento possível. Isto simplifica todo o processo e reduz a carga sobre os pacientes e prestadores de serviços, ao mesmo tempo que reduz o consumo de recursos para serviços clínicos. A maior precisão e eficiência do aplicativo também será particularmente atraente para cientistas clínicos e empresas que utilizam padrões de fala como medidas de resultados em testes de medicamentos para ELA.

Neste estudo, você fez parceria com uma empresa de tecnologia Modalidade.AI. Qual a importância desses tipos de colaboração para trazer novas ideias e tecnologias científicas ao mundo?

Aproveitei a oportunidade de trabalhar com Modality.AI. Os membros da equipe têm uma história única e extensa no desenvolvimento de aplicações de voz de IA e um interesse comercial na implementação desta tecnologia em ensaios clínicos e de saúde convencionais. As novas tecnologias correm particularmente o risco de falhar se não forem apoiadas por uma empresa comercial. Portanto, essa relação foi crítica para nossos objetivos gerais do estudo.

Espero que estes tipos de colaborações em tecnologias de saúde se tornem cada vez mais populares e tenham um impacto cada vez maior em estudos como este.

Crédito da foto: elenabsl/Shutterstock.com

A inteligência artificial (IA) experimentou um enorme crescimento em popularidade nos últimos anos. Por que isso acontece e você acha que a IA continuará a se tornar parte integrante da saúde?

A IA desempenha um papel muito importante na identificação de condições que são difíceis de compreender pelas nossas mentes humanas, uma vez que a maioria dos problemas de saúde são multidimensionais e muito complicados, afetando frequentemente várias partes do corpo e uma variedade de sintomas que mudam ao longo do tempo.

O aprendizado de máquina é uma solução perfeita para diagnosticar e monitorar certas condições de saúde porque há muitos dados para absorver. Essas máquinas podem processar esses dados e definir padrões de maneiras que os olhos e ouvidos humanos não conseguem discernir com o mesmo grau de precisão.

Usar a IA e o aprendizado de máquina dessa forma também será um desafio. Para que esses modelos sejam precisos e funcionem conforme o esperado, eles devem ser treinados. Adquirir os dados de treinamento necessários para tornar esses modelos precisos será uma tarefa importante. Por exemplo, treinar uma máquina para fazer avaliações precisas pode exigir centenas ou milhares de exemplos de uma condição específica para que o algoritmo treine e “aprenda” sobre ela. Para tanto, esses dados devem ser coletados e selecionados com muito cuidado. Esta falta de dados está a revelar-se um estrangulamento.

Embora a IA tenha se mostrado inestimável na área médica, ela não substituirá os médicos. Os profissionais humanos fornecem atendimento personalizado incomparável, tomada de decisões e suporte abrangente ao paciente e não podem ser substituídos.

O que vem por aí para você e seus estudos?

Alguns representantes dos pacientes estão atualmente testando o aplicativo e repassando-o aos pacientes. Com base na estrutura da subvenção que recebemos do NIH, continuaremos a trabalhar no aplicativo para cumprir os padrões de referência estabelecidos nos próximos três anos para continuar o ciclo de subvenção. A Fase I dura um ano e a Fase II dura dois anos.

Sobre o Dr.

Green, que trabalha no Instituto MGH desde 2013, é fonoaudiólogo que estuda aspectos biológicos da produção da fala. Ele ministra cursos de pós-graduação em fisiologia da fala e as bases neurais da fala, linguagem e audição. Como Conselheiro Científico Chefe do Departamento de Pesquisa do IHP, ele trabalha com o Reitor Associado de Pesquisa em recrutamento, planejamento estratégico e uma variedade de projetos especiais. Ele também é diretor do Laboratório de Distúrbios da Fala e Nutrição (SFDL) do instituto. Ele foi nomeado o primeiro Professor Matina Souretis Horner de Ciências da Reabilitação. Sua pesquisa concentra-se nos distúrbios da produção da fala, no desenvolvimento de habilidades oromotoras para fala e alimentação precoces e na quantificação do desempenho motor da fala. Sua pesquisa foi publicada em periódicos nacionais e internacionais, incluindo Child Development, Journal of Neurofisiology, Journal of Speech and Hearing Research e Journal of the Acoustical Society of America. Ele atuou em vários painéis de revisão de subsídios nos Institutos Nacionais de Saúde. Em 2012 ele foi nomeado Fellow da American Speech-Language-Hearing Association e em 2015, o Dr. Green recebeu o Prêmio Willard R. Zemlin em Ciências da Fala.

Seu trabalho é financiado pelos Institutos Nacionais de Saúde (NIH) desde 2000. Ele contribui de forma produtiva para importantes periódicos com mais de 100 publicações revisadas por pares. Ele apresentou seu trabalho internacional e nacionalmente. É orientador de diversos alunos de doutorado do IHP, possui dez doutorados. dissertações e orientou onze pesquisadores de pós-doutorado. Ele também é consultor editorial de vários periódicos e atuou em vários painéis de revisão de bolsas do NIH.

.