Investigadors de la Universitat de Lleida (UdL) han desenvolupat un model automatitzat per identificar, a través de la veu, les afectacions primerenques de l'esclerosi lateral amiotròfica (ELA) en el bulb raquidi. Amb la col·laboració del Centre Internacional de Mètodes Numèrics a l'Enginyeria (CIMNE), l'Hospital Universitari de Bellvitge i la Universitat de Tecnologia de Tallinn (Estònia), han comprovat que la intel·ligència artificial pot millorar el diagnòstic humà, sobretot en els casos d'afectació bulbar, amb una precisió del 95,8%.

Els resultats de la recerca els han publicat a la revista internacional 'JMIR Medical Informatics'. L'ELA és una malaltia neurodegenerativa que es designa com espinal quan els primers símptomes apareixen en columna, braços o cames, o bé com a bulbar quan el deteriorament de les neurones comença en el bulb raquidi, situat a la base del tronc encefàlic.

L'inici bulbar és minoritari amb relació a l'espinal, però els pacients tenen un pronòstic pitjor. Els símptomes són els problemes en la parla i la deglució. Actualment, fins a un 10% dels pacients d'esclerosi lateral amiotròfica no són diagnosticats correctament de la seua afectació bulbar en un primer moment.

Malgrat que els primers símptomes de la malaltia es manifesten de forma diferent, un 80% dels pacients d'ELA acaben experimentant problemes d'articulació en la parla. Aquest deteriorament pot començar fins tres anys abans del diagnòstic de la malaltia, fet que dona importància a la detecció primerenca de l'afectació bulbar. Un dels primers símptomes és el deteriorament de la veu caracteritzat per una articulació greument defectuosa, discurs extremadament lent i laboriós, marcada hipernasalitat i aspror severa.

El doctorand de la UdL i investigador del CIMNE Alberto Tena ha treballat a partir de l'enregistrament de la veu a 45 pacients d'ELA de l'Hospital de Bellvitge i 18 persones de control. Amb l'anàlisi acústica de la pronunciació de les cinc vocals espanyoles es van nodrir uns sistemes d'intel·ligència artificial a partir d'aprenentatge supervisat de ('machine learning') que han permès desenvolupar uns models o marcadors de veu a partir de trets del subsistema fonatori (fluctuació, brillantor, relació harmònica-soroll i to).

Segons els investigadors, els resultats han estat molt satisfactoris per identificar i diferenciar els participants amb afectació bulbar, els que no la tenien i el grup de control, amb una precisió propera al 96%. "Tenim molt treball per davant encara, però els primers resultats que hem obtingut mostren que l'afectació bulbar es pot detectar amb models automàtics abans que sigui perceptible per a l'oïda humana, i que es poden establir mesures objectives que facilitin un diagnòstic precoç i precís", destaca Alberto Tena, que realitza la seva tesi doctoral amb la tutoria dels doctors de l'Escola Politècnica Superior de la UdL Francesc Clarià i Francesc Solsona.

La continuïtat del projecte passa per ampliar la base de dades amb més veus i nous paràmetres d'anàlisi que permetin resultats més precisos i adreçats a millorar la identificació de l'afectació bulbar en els pacients d'ELA.