Santa Cruz de Tenerife, 8 de junho (EFE).- Um estudo realizado por pesquisadores da Universidade de La Laguna (ULL) mostrou que a análise de sons acústicos com técnicas de aprendizado de máquina pode se tornar uma ferramenta eficaz, não invasiva e fácil de usar para classificar a esclerose múltipla.
O estudo foi realizado por Jonathan Delgado, investigador do Departamento de Psicologia do Desenvolvimento e da Educação, e Moisés Betancort, membro do Departamento de Psicologia Clínica, Psicobiologia e Metodologia, e publicado na revista científica ‘Multiple Sclerosis and Related Disorders’.
Conforme noticiado pela ULL na rede social, o estudo também foi realizado com os investigadores Tatiana Romero, da Universidade Europeia das Ilhas Canárias, e Miguel Ángel Hernández, do Hospital Universitário Nuestra Señora de La Candelaria.
A pesquisa baseia-se no conceito clínico de que alterações vocais são comuns em pessoas com esclerose múltipla, mesmo nos estágios iniciais da doença, e com tecnologia de análise de voz e inteligência artificial (IA), a equipe desenvolveu um modelo que pode detectar pequenas alterações vocais, muitas vezes imperceptíveis.
Para isso, o estudo incluiu 300 pessoas, das quais 200 foram diagnosticadas com esclerose múltipla e 100 eram controles saudáveis.
Cada participante fez uma gravação de áudio simples que envolveu segurar a vogal “a” por quatro segundos.
Dessas amostras, os pesquisadores extraíram quinze parâmetros acústicos relacionados à estabilidade, ruído e variação do som.
Diagrama da curva ROC do modelo Random Fores, na fase de treinamento/teste interno (vermelho) e validação com grupos independentes de participantes (azul).
Durante o estudo, diversos sistemas de inteligência artificial foram utilizados para analisar todas as informações obtidas pela voz.
Os pesquisadores notaram que, entre os modelos testados, o que deu os melhores resultados foi o Random Forest, que conseguiu distinguir com excepcional precisão entre pessoas com esclerose múltipla e aquelas saudáveis.
A pesquisa também permitiu determinar quais variáveis vocais têm maior valor na classificação automática.
Entre eles estão o alto ruído da voz, o aumento espectral e a variação do tom fundamental, parâmetros relacionados às alterações neuromusculares características da doença.
Uma das descobertas mais importantes do trabalho é que esses biomarcadores vocais parecem permanecer independentes de fatores como idade, duração da doença ou nível de incapacidade física medido usando a EDSS (Expanded Disability Status Scale).
Isso significa que as alterações no som podem ser vistas como um biomarcador do estado, que é visível desde o início da doença e não se altera durante o seu desenvolvimento.
Entretanto, observou-se que a análise sonora acústica não é precisa o suficiente para classificar o nível de gravidade clínica da esclerose múltipla.
Embora alguns parâmetros mostrem alterações em pacientes com incapacidade avançada, eles não conseguem diferenciar de forma confiável entre estágios leves e moderados ou graves da doença. EFE
