L’analisi della voce con l’Intelligenza Artificiale può essere di aiuto per la diagnosi e la valutazione clinica del Tremore Essenziale
L’analisi della voce, eseguita con una specifica tecnica di Intelligenza artificiale chiamata machine learning, potrebbe diventare uno strumento cruciale per la diagnosi e la valutazione clinica del Tremore Essenziale. Questa è la prospettiva aperta da uno studio scientifico pubblicato sulla rivista scientifica Movement Disorders e frutto della collaborazione tra l’I.R.C.C.S. Neuromed di Pozzilli (IS), il Dipartimento di Neuroscienze Umane di Sapienza Università di Roma e il Dipartimento di Ingegneria Elettronica dell’Università degli Studi di Roma Tor Vergata.
Il Tremore Essenziale è il più frequente disordine del movimento, colpisce il 4% delle persone al di sopra dei 65 anni ed è circa venti volte più frequente della Malattia di Parkinson – con cui viene frequentemente confuso. Si manifesta prevalentemente con un tremore involontario degli arti superiori e compromette in modo significativo la qualità della vita dei pazienti. Circa il 12% dei pazienti con Tremore Essenziale manifesta inoltre un caratteristico tremore della voce.
La voce è un fenomeno biologico complesso che richiede la corretta attivazione di un esteso network di neuroni nel cervello. Proprio per questo motivo, la voce può fornire informazioni sullo stato di salute del sistema nervoso di una specifica persona, e l’analisi avanzata di registrazioni vocali mediante i più moderni algoritmi di machine learning rappresenta quindi una ricerca scientifica di frontiera.
Questo tipo di analisi ha consentito il riconoscimento automatico – con elevata sensibilità/specificità – del tremore vocale e la risposta sintomatica a specifiche terapie farmacologiche in pazienti affetti da Tremore Essenziale. Un approccio metodologico che potrebbe rivelarsi uno strumento innovativo e non invasivo nella diagnosi di specifiche malattie neurologiche.
“La diagnosi di Tremore Essenziale e la valutazione della risposta alla terapia farmacologica – dice il professor Antonio Suppa del Dipartimento di Neuroscienze Umane di Sapienza Università di Roma e I.R.C.C.S. Neuromed – si basano attualmente su valutazioni cliniche che hanno il limite di dipendere dalla specifica esperienza del valutatore. Grazie ai risultati del nostro studio sarà possibile sviluppare in futuro un nuovo metodo di indagine automatizzato e standardizzato per la diagnosi di questa patologia e per la valutazione della risposta clinica a specifiche terapie farmacologiche”.
Ma le prospettive sono ancora più ampie, come spiega il professor Suppa: “L’analisi avanzata della voce potrebbe consentire in futuro di riconoscere specifiche patologie neurologiche e di identificare gli interventi terapeutici più appropriati in linea con la nuova frontiera della medicina di precisione. L’intelligenza artificiale apre inoltre nuove prospettive nella diagnosi e cura di specifiche malattie neurologiche a distanza, a beneficio della telemedicina”.
Nello specifico, la ricerca è stata condotta attraverso la registrazione della voce di 58 pazienti affetti da Tremore Essenziale e di 74 soggetti sani di controllo. Le registrazioni della voce, eseguite mentre i partecipanti pronunciavano una vocale per cinque secondi, sono state successivamente esaminate con algoritmi di machine learning dal professor Giovanni Costantini e dal professor Giovanni Saggio presso i laboratori del Dipartimento di Ingegneria Elettronica dell’Università degli Studi di Roma Tor Vergata.
“L’utilizzo dell’Intelligenza artificiale permette di ampliare gli strumenti diagnostici attualmente a disposizione in questo campo, oltrepassandone i limiti – spiega il dottor Francesco Asci neurologo presso il Dipartimento di Neuroscienze Umane di Sapienza Università di Roma e coautore dello studio – Le analisi hanno permesso infatti di individuare alterazioni della voce anche in pazienti con Tremore Essenziale che non presentavano nessuna apparente anomalia vocale all’esame clinico. L’analisi avanzata della voce con algoritmi di machine learning consentirà quindi lo sviluppo di procedure diagnostiche innovative, standardizzate e di elevata precisione”.
Riferimenti
Antonio Suppa, MD, PhD, Francesco Asci, MD, Giovanni Saggio, PhD, Pietro Di Leo, BA, Zakarya Zarezadeh, BA, Gina Ferrazzano, MD, PhD, Giovanni Ruoppolo, MD, Alfredo Berardelli, MD, and Giovanni Costantini, PhD,Voice Analysis with Machine Learning: One Step Closer to an Objective Diagnosis of Essential Tremor, Movement Disorders
https://movementdisorders.onlinelibrary.wiley.com/doi/10.1002/mds.28508