Declino cognitivo, l’analisi automatica della voce può aiutare nello screening
La voce del paziente, registrata durante una normale conversazione con il medico, potrebbe diventare uno strumento di screening passivo del deterioramento cognitivo. È quanto suggerisce uno studio diagnostico, pubblicato sulla rivista “Neurology” e condotto su pazienti di almeno 55 anni senza una precedente diagnosi documentata di deterioramento cognitivo lieve o demenza. Attraverso l’analisi delle caratteristiche acustiche di frammenti di appena 30 secondi, modelli di machine learning sono riusciti a distinguere i soggetti con deterioramento cognitivo, mostrando prestazioni riproducibili anche in una popolazione esterna.
Lo studio nasce dalla difficoltà di intercettare il deterioramento cognitivo nell’assistenza primaria, dove i vincoli di tempo e di risorse possono contribuire alla sua mancata identificazione. I ricercatori hanno quindi valutato la possibilità di ricavare informazioni utili direttamente dal dialogo spontaneo tra medico e paziente, senza ricorrere a una prova linguistica dedicata.
La valutazione su segmenti vocali di 30 secondi
Sono stati inizialmente coinvolti 787 pazienti anglofoni di almeno 55 anni durante visite di routine presso centri di assistenza primaria di New York. Altri 179 soggetti con gli stessi criteri di eleggibilità sono stati reclutati a Chicago per la validazione esterna. Complessivamente, la popolazione comprendeva quindi 966 partecipanti, con un’età media di 67,2 anni (DS 8,1); 530, pari al 55%, erano donne. La prevalenza del deterioramento cognitivo era del 21%.
Il deterioramento cognitivo è stato definito sulla base di un punteggio al Montreal Cognitive Assessment (MoCA) inferiore di almeno una deviazione standard rispetto alle norme corrette per età e livello di istruzione. Dalle registrazioni delle visite sono stati estratti più segmenti vocali di 30 secondi, successivamente analizzati attraverso caratteristiche acustiche ottenute con diversi modelli e metodi, tra cui Whisper, HuBERT, wav2vec 2.0, eGeMAPS e prosodia.
Le prestazioni migliori sono state ottenute utilizzando le caratteristiche acustiche derivate da Whisper. Il modello ha raggiunto un’AUROC di 0,733 (IC 95% 0,714-0,752) e un Fmax per il deterioramento cognitivo di 0,502 (IC 95% 0,471-0,533).
Un elemento importante è arrivato dalla validazione esterna. Applicato alla popolazione reclutata in un’altra città, il modello ha mantenuto prestazioni simili, con un’AUROC di 0,727 (IC 95% 0,714-0,740) e un Fmax di 0,459 (IC 95% 0,441-0,477). L’interpretazione del modello ha individuato nelle caratteristiche relative all’intonazione, alla temporizzazione e alla variabilità della voce alcuni dei principali predittori.
Quando l’algoritmo è stato valutato specificamente come strumento di screening nella coorte holdout, ha mostrato una sensibilità del 68,2% (IC 95% 61,8%-74,6%) e una specificità del 63,6% (IC 95% 59,8%-67,4%). Il valore predittivo positivo è risultato del 30,4% (IC 95% 28,7%-32,1%).
I risultati indicano dunque la fattibilità di uno screening passivo del deterioramento cognitivo basato sul linguaggio durante le normali visite di medicina generale. L’analisi mediante machine learning delle sole caratteristiche acustiche di brevi conversazioni cliniche potrebbe offrire un approccio accessibile per intercettare pazienti con possibile deterioramento cognitivo, sfruttando informazioni già presenti nel dialogo quotidiano tra medico e paziente.
