Cambiamenti nell’eloquio nell’89% dei soggetti con malattia di Parkinson.

Negli anni diversi studi hanno valutato la possibilità di diagnosticare o prognosticare lo sviluppo della malattia attraverso l’analisi delle variazioni del linguaggio con sistemi di machine learning e un gruppo di clinici ha cercato di sintetizzare quanto emerso attraverso una review della letteratura.

Sono stati interrogati i database SienceDirect, IEEE Xplore e ACM Library e si è considerato l’intervallo temporale 2019-2023.

I 106 lavori selezionati erano nella maggior parte dei casi disegnati per valutare la diagnosi di malattia di Parkinson e solo l’11,32% per prognosticare il possibile sviluppo di malattia: in quest’ultimo caso venivano generalmente applicati il punteggio Unified Parkinson’s Disease Rating Scale (UPDRS) e la scala di Hoehn e Yahr.

Si è provveduto a selezionare e analizzare campioni vocali di soggetti con malattia di Parkinson e controlli sani e ci si è concentrati in particolar modo sull’uso delle vocali (nel 51% degli studi) e, anche in associazione a questo, su parole, frasi, testi, monologhi ed esercizi di diadocinesi.

Le misurazioni effettuate possono essere distinte in tre domini principali: acustico, tempo-frequenza e cepstrale. Del primo fanno parte misurazioni della variazione di frequenza (jitter) o ampiezza (shimmer) del suono tra un ciclo e il successivo e l’analisi Harmonic-to-Noise Ratio (HNR) per valutare il grado di disfonia, mentre gli altri due domini includono spettrogrammi e Mel-Frequency Cepstral Coefficient (MFCC), che cercano di rappresentare il suono nel modo più simile possibile a come viene percepito da un essere umano.

Per quanto concerne i sistemi di intelligenza artificiale impiegati, in oltre il 66% degli approcci risultati migliori si è ricorso a tecniche di machine learning (vs modelli di deep learning), tra cui random forest (RF) e support vector machine (SVM).

Più del 90% degli approcci condotti sui 5 principali database ha raggiunto un’accuratezza >93%.

In generale i sistemi di analisi vocale applicati hanno dato risultati soddisfacenti a livello di performance nel diagnosticare o prevedere lo sviluppo di malattia di Parkinson, tuttavia ci sono ancora vari fattori da considerare prima di poterli trasferire alla pratica clinica, non da ultimo il fatto che i database vocali consultati (Parkinson’s Speech Dataset with Multiple Types of Sound Recording, Oxford Parkinson’s Disease Detection Dataset, Parkinson’s Disease Classification, PC-GITA e MDVR-KVL) contengono campioni solo in lingua inglese e spagnola e raccolti in un ambiente controllato, con pochi o nulli rumori in sottofondo.