Análisis acústico de la voz para la detección del deterioro cognitivo

  1. Lixania Hernández 1
  2. Nuria Calet 1
  3. José A. Gonzalez-Lopez 2
  1. 1 Departamento de Psicología Evolutiva y de la Educación, Facultad de Ciencias de la Educación, Universidad de Granada , Granada, España
  2. 2 Departamento de Teoría de la Señal, Telemática y Comunicaciones, ETS de Ingenierías Informática y de Telecomunicación, Universidad de Granada, Granada, España
Revista:
Revista de logopedia, foniatría y audiología

ISSN: 0214-4603

Año de publicación: 2020

Volumen: 40

Número: 2

Páginas: 67-76

Tipo: Artículo

DOI: 10.1016/J.RLFA.2019.11.003 DIALNET GOOGLE SCHOLAR

Otras publicaciones en: Revista de logopedia, foniatría y audiología

Resumen

Antecedentes y objetivo Investigaciones recientes señalan que el análisis acústico de la voz es una herramienta valiosa tanto para la evaluación objetiva del deterioro cognitivo como para la monitorización de la progresión de la enfermedad. El objetivo de este estudio es determinar si el análisis automático de la voz es también útil en el diagnóstico del deterioro cognitivo. Materiales y métodos Se trata de un estudio descriptivo correlacional transversal en el que se hace una comparativa entre un grupo experimental compuesto por 10 participantes con deterioro cognitivo y un grupo control con 10 participantes asintomáticos. Se recogieron grabaciones de voz de ambos grupos mientras realizaban 4 tareas cognitivas: conteo hacia atrás (desde el 305 hasta el 285), descripción de una lámina y 2 tareas de fluidez verbal (fonológica y semántica). Las muestras de voz fueron analizadas acústicamente para extraer de ellas variables predictoras del estado cognitivo del sujeto. Resultados Los resultados muestran que las variables acústicas analizadas son eficaces para la detección precoz del deterioro cognitivo, al lograr una tasa de clasificación del 100% al predecir el estado cognitivo de los sujetos de la muestra. Parece que las tareas de fluidez verbal presentan mayor eficacia que las de conteo hacia atrás y descripción de una imagen. Conclusiones A la luz de los resultados encontrados consideramos que el análisis automático de la voz podría ser una herramienta de evaluación objetiva adicional para mayores con deterioro cognitivo. Se discuten las implicaciones de los resultados encontrados.

Referencias bibliográficas

  • Acarin, N. (2010). Alzheimer: Manual de instrucciones. Madrid: RBA.
  • Auriacombe, S., Lechevallier, N., Amieva, H., Harston, S., Raoux, N. y Dartigues, J.-F. (2006). A Longitudinal study of quantitative and qualitative features of category verbal fluency in incident alzheimer’s disease subjects: Results from the PAQUID study. Dementia and Geriatric Cognitive Disorders, 21(4), 260-266, https://doi.org/10.1159/000091407
  • Bimbot, F., Bonastre, J.-F., Fredouille, C., Gravier, G., MagrinChagnolleau, I., Meignier, S. y Reynolds, D. A. (2004). A tutorial on text-independent speaker verification. EURASIP Journal on Advances in Signal Processing, 2004(4), 430-451.
  • Bishop, C. (2006). Pattern recognition and machine learning. Nueva York: Springer-Verlag.
  • Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32. http://dx.doi.org/10.1023/A: 1010933404324
  • Bucks, R. S., Singh, S., Cuerden, J. M. y Wilcock, G. K. (2000). Analysis of spontaneous, conversational speech in dementia of Alzheimer type: Evaluation of an objective technique for analysing lexical performance. Aphasiology, 14(1), 71-91. http://dx.doi.org/10.1080/026870300401603
  • Canning, S. J. D., Leach, L., Stuss, D., Ngo, L. y Black, S. E. (2004). Diagnostic utility of abbreviated fluency measures in Alzheimer disease and vascular dementia. Neurology, 62(4), 556-562, https://doi.org/10.1212/WNL.62.4.556.
  • Delgado, J., León, N. M., Jiménez, A. y Izquierdo, L. M. (2017). Análisis acústico de la voz: Medidas temporales, espectrales y cepstrales en la voz normal con el Praat en una muestra de hablantes de espanol. ˜ Revista de Investigación en Logopedia, 7(2), 108-127.
  • Donoso, A. y Vásquez, C. (2002). Deterioro cognitivo y enfermedad de Alzheimer: presentación de dos casos. Revista de Psicología, 11(1), 9-16.
  • Facal, D., González, M. F., Buiza, C., Laskibar, I., Urdaneta, E. y Yanguas, J. J. (2009). Envejecimiento, deterioro cognitivo y lenguaje: Resultados del Estudio Longitudinal Donostia. Revista de Logopedia, Foniatría y Audiología, 29(1), 4-12. http://dx.doi.org/10.1016/S0214-4603(09)70138-X
  • Forbes-McKay, K. E. y Venneri, A. (2005). Detecting subtle spontaneous language decline in early Alzheimer’s disease with a picture description task. Neurological Sciences, 26(4), 243-254. http://dx.doi.org/10.1007/s10072-005-0467-9
  • Godino-Llorente, J. I. y Gomez-Vilda, P. (2004). Automatic detection of voice impairments by means of short-term cepstral parameters and neural network based detectors. IEEE Transactions on Biomedical Engineering, 51(2), 380-384, https://doi.org/10.1109/TBME. 2003.820386.
  • Goodglass, H., Kaplan, E. y Barresi, B. (2001). Boston Diagnostic Aphasia Examination (3.a ed.). Austin, TX, Estados Unidos: ProEd.
  • Horley, K., Reid, A. y Burnham, D. (2010). Emotional prosody perception and production in dementia of the Alzheimer’s Type. Journal of Speech, Language, and Hearing Research, 53(5), 1132-1146. http://dx.doi.org/10.1044/1092-4388(2010/09-0030)
  • Junqué, C. y Jurado, M. A. (2009). Envejecimiento demencias y otros procesos degenerativos. Madrid, Espana: ˜ Síntesis.
  • König, A., Satt, A., Sorin, A., Hoory, R., Toledo-Ronen, O., Derreumaux, A. y David, R. (2015). Automatic speech analysis for the assessment of patients with predementia and Alzheimer’s disease. Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring, 1(1), 112-124. http://dx.doi.org/10.1016/j.dadm.2014.11.012
  • Kunz, M., Seuss, D., Hassan, T., Garbas, J. U., Siebers, M., Schmid, U. y Lautenbacher, S. (2017). Problems of videobased pain detection in patients with dementia: A road map to an interdisciplinary solution. BMC Geriatrics, 17(1), 33, https://doi.org/10.1186/s12877-017-0427-2.
  • Linz, N., Tröger, J., Alexandersson, J., Wolters, M., König, A. y Robert, P. (2017). Predicting dementia screening and staging scores from semantic verbal fluency performance. 2017 IEEE International Conference on Data Mining Workshops (ICDMW), 719-728, https://doi.org/10.1109/ICDMW. 2017.100.
  • Lobo, A., Escobar, V., Ezquerra, J. y Seva Díaz, A. (1980). El MiniExamen Cognoscitivo’ (Un test sencillo, práctico, para detectar alteraciones intelectuales en pacientes psiquiátricos). Revista de Psiquiatría y Psicología Médica, 5, 39-57.
  • Lopez, O. L., Jagust, W. J., DeKosky, S. T., Becker, J. T., Fitzpatrick, A., Dulberg, C. y Kuller, L. H. (2003). Prevalence and classification of mild cognitive impairment in the Cardiovascular Health Study Cognition Study: Part 1. Archives of Neurology, 60(10), 1385-1389. http://dx.doi.org/10.1001/archneur.60.10.1385
  • López-de-Ipina, ˜ K., Alonso, J.-B., Travieso, C., Solé-Casals, J., Egiraun, H., Faundez-Zanuy, M. y Lizardui de, U. M. (2013). On the selection of non-invasive methods based on speech analysis oriented to automatic alzheimer disease diagnosis. Sensors, 13(5), 6730-6745, https://doi.org/10.3390/s130506730.
  • Maaten, L. y Hinton, G. (2008). Visualizing data using t-SNE. Journal of Machine Learning Research, 9, 2579-2605.
  • Marino, J. C. y Alderete, A. M. (2009). Variación de la actividad cognitiva en diferentes tipos de pruebas de fluidez verbal. Revista Chilena de Neuropsicología, 4(2), 179-192.
  • Martínez-Sánchez, F., Meilán, J., Pérez, E., Carro, J. y Arana, J. (2012). Expressive prosodic patterns in individuals with Alzheimer’s disease. Psicothema, 24(1), 16-21.
  • Migliacci, M. L., Scharovsky, D. y Gonorazky, S. E. (2009). Deterioro cognitivo leve: características neuropsicológicas de los distintos subtipos. Revista de Neurología, 48(5), 237-241.
  • Mirheidari, B., Blackburn, D., Reuber, M., Walker, T. y Christensen, H. (2016). Diagnosing people with dementia using automatic conversation analysis. Proc. Interspeech, 2016, 1220-1224, https://doi.org/10.21437/Interspeech.2016-857.
  • Mirheidari, B., Blackburn, D., Walker, T., Venneri, A., Reuber, M. y Christensen, H. (2018). Detecting signs of dementia using word vector representations. Proc. Interspeech, 2018, 1893-1897, https://doi.org/10.21437/Interspeech.2018-1764.
  • Mora-Simón, S., García-García, R., Perea-Bartolomé, M. V., LaderaFernández, V., Unzueta-Arce, J., Patino-Alonso, M. C. y Rodríguez-Sánchez, E. (2012). Deterioro cognitivo leve: Detección temprana y nuevas perspectivas. Revista de Neurología, 54(05), 303-310, https://doi.org/10.33588/rn.5405.2011538.
  • Pakhomov, S. V. S., Eberly, L. y Knopman, D. (2016). Characterizing cognitive performance in a large longitudinal study of aging with computerized semantic indices of verbal fluency. Neuropsychologia, 89, 42-56. http://dx.doi.org/10.1016/j.neuropsychologia.2016.05.031
  • Petersen, R. C., Smith, G. E., Waring, S. C., Ivnik, R. J., Kokmen, E. y Tangelos, E. G. (1997). Aging, memory, and mild cognitive impairment. International Psychogeriatrics, 9(S1), 65-69. http://dx.doi.org/10.1017/S1041610297004717
  • Raoux, N., Amieva, H., Le Goff, M., Auriacombe, S., Carcaillon, L., Letenneur, L. y Dartigues, J.-F. (2008). Clustering and switching processes in semantic verbal fluency in the course of Alzheimer’s disease subjects: Results from the PAQUID longitudinal study. Cortex, 44(9), 1188-1196. http://dx.doi.org/10.1016/j.cortex.2007.08.019
  • Reisberg, B., Ferris, S. H., de Leon, M. J. y Crook, T. (1982). The Global Deterioration Scale for assessment of primary degenerative dementia. The American Journal of Psychiatry, 139(9), 1136-1139, https://doi.org/10.1176/ajp.139.9.1136.
  • Sáenz-Lechón, N., Godino-Llorente, J. I., Osma-Ruiz, V. y Gómez-Vilda, P. (2006). Methodological issues in the development of automatic systems for voice pathology detection. Biomedical Signal Processing and Control, 1(2), 120-128. http://dx.doi.org/10.1016/j.bspc.2006.06.003
  • Satt, A., Hoory, R., König, A., Aalten, P. y Robert, P. (2014). Speech-based automatic and robust detection of very early dementia. Proc. Interspeech, 2538-2542, https://doi.org/10.13140/2.1.1258.8805.
  • Serrano, C. M., Dillon, C., Leis, A., Taragano, F. E. y Allegri, R. F. (2013). Deterioro cognitivo leve: Riesgo de demencia según subtipos. Actas Espanolas ˜ de Psiquiatría, 41(6), 330-339.
  • Spiess, A.-N. y Neumeyer, N. (2010). An evaluation of R2 as an inadequate measure for nonlinear models in pharmacological and biochemical research: A Monte Carlo approach. BMC Pharmacology, 10(1), 6, https://doi.org/10.1186/1471-2210-10-6.
  • Taler, V. y Phillips, N. A. (2008). Language performance in Alzheimer’s disease and mild cognitive impairment: A comparative review. Journal of Clinical and Experimental Neuropsychology, 30(5), 501-556. http://dx.doi.org/10.1080/13803390701550128
  • Velasquez-Perez, L., Guerrero-Camacho, J., Rodriguez-Agudelo, Y., Alonso-Vilatela, M. E. y Yescas-Gomez, P. (2008). Conversion of mild cognitive impairment to dementia. Revista Ecuatoriana de Neurología, 17(1-3), 25-32.
  • Weiner, J., Engelbart, M. y Schultz, T. (2017). Manual and automatic transcriptions in dementia detection from speech. Proc. Interspeech, 2017, 3117-3121, https://doi.org/10.21437/Interspeech.2017-112.
  • Weiner, J., Herff, C. y Schultz, T. (2016). Speech-based detection of Alzheimer’s disease in conversational German. Proc. Interspeech, 2016, 1938-1942, https://doi.org/10.21437/Interspeech.2016-100.
  • Weiner, J. y Schultz, T. (2018). Selecting features for automatic screening for dementia based on speech. International Conference on Speech and Computer, 747-756.
  • Yancheva, M., Fraser, K. y Rudzicz, F. (2015). Using linguistic features longitudinally to predict clinical scores for Alzheimer’s disease and related dementias. Proc. 6th Workshop on Speech and Language Processing for Assistive Technologies. (SLPAT).
Fuente de los datos: Dialnet