O modelo de IA analisa a fala para detectar distúrbios neurológicos precoces com alta precisão

Uma equipe de pesquisa liderada pelo Prof. Li Hai, do Hefei Institutes of Physical Science of the Chinese Academy of Sciences, desenvolveu uma nova estrutura de aprendizado profundo que melhora significativamente a precisão e interpretabilidade da detecção de distúrbios neurológicos através da fala. As descobertas foram publicadas recentemente em Neurocomputing.

“Uma ligeira mudança na maneira como falamos pode ser mais do que apenas um deslize da língua – pode ser um sinal de alerta do cérebro”, disse o professor Hai, que liderou a equipe. “Nosso novo modelo pode detectar sintomas precoces de doenças neurológicas, como a doença de Parkinson, Huntington e Wilson, analisando gravações de voz”.

A disartria é um sintoma precoce comum de vários distúrbios neurológicos. Como as anormalidades da fala geralmente refletem os processos neurodegenerativos subjacentes, os sinais de voz emergiram como biomarcadores promissores não invasivos para a triagem precoce e o monitoramento contínuo de tais condições.

A análise de fala automatizada oferece alta eficiência, baixo custo e não invasividade. No entanto, os métodos mainstream atuais geralmente sofrem de dependência excessiva de recursos artesanais, capacidade limitada para modelar interações de variável temporal e baixa interpretabilidade.

Para enfrentar esses desafios, os pesquisadores propuseram o transformador interativo interativo e de eixo cruzado (CTCAIT) para análise de séries temporais multivariadas. Essa estrutura emprega primeiro um modelo de áudio em larga escala para extrair recursos temporais de alta dimensão da fala, representando-os como incorporações multidimensionais ao longo do tempo e dos eixos de recursos. Em seguida, ele usa a rede de tempo inicial para capturar padrões em várias escalas e multiníveis dentro da série temporal.

Ao integrar os mecanismos de atenção de várias cabeças transversais e entre canais, o CTCait captura efetivamente as assinaturas patológicas da fala incorporadas em diferentes dimensões.

O método alcançou uma precisão de detecção de 92,06% em um conjunto de dados chineses mandarim e 87,73% em um conjunto de dados em inglês externo, demonstrando forte generalização entre linguística.

Além disso, os pesquisadores conduziram análises de interpretabilidade dos processos internos de tomada de decisão do modelo e compararam sistematicamente a eficácia de diferentes tarefas de fala, oferecendo informações valiosas para sua potencial implantação clínica.

Esses esforços fornecem orientações importantes para possíveis aplicações clínicas do método no diagnóstico precoce e monitoramento de distúrbios neurológicos.