Si les yeux sont les fenêtres de l’âme , peut-être que les mots sont les fenêtres de l’esprit. On peut facilement déduire l’état d’esprit d’une personne à partir des adjectifs qu’elle utilise, son âge à partir de sa syntaxe, son niveau d’éducation à partir de son vocabulaire... Cependant, il n’est pas facile de détecter des indices linguistiques sur leurs éventuelles altérations. cérébral.
Comment savoir, grâce au langage spontané, si cette personne est atteinte de la maladie d’Alzheimer (MA) ? Certains signes peuvent être évidents pour des professionnels hautement qualifiés, mais ces personnes ne constituent qu’un petit groupe par rapport à la population de personnes atteintes de MA, qui dépasse actuellement 43 millions et continue de croître. Cette situation est pour le moins regrettable puisque, contrairement à d’autres approches, les évaluations linguistiques représentent une méthode abordable et non invasive pour contribuer au diagnostic clinique.
« Et si nous pouvions développer des outils permettant de détecter de tels indices de manière objective et automatique ? demande Adolfo García, directeur du Centre de neurosciences cognitives de l’Université de San Andrés, chercheur au CONICET, Senior Atlantic Fellow au Global Brain Health Institute. (Université de Californie, San Francisco) et chercheur PIIECC à la Faculté des sciences humaines de l’Université de Santiago du Chili.
C’est le défi auquel Garcia et son équipe ont été confrontés dans un article publié dans Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring , un journal de l’Alzheimer’s Association (10.1002/dad2.12276). Les chercheurs ont formé un groupe de 21 personnes atteintes de MA ainsi que deux groupes témoins, composés de 16 personnes en bonne santé et de 18 patients atteints de la maladie de Parkinson (MP). Tous les participants étaient hispanophones, originaires du Chili et avaient été diagnostiqués par des équipes professionnelles multidisciplinaires. À l’aide d’une batterie originale, ils ont été enregistrés pendant qu’ils effectuaient des tâches verbales quotidiennes, comme décrire leur routine, raconter un souvenir agréable, décrire un dessin et raconter une vidéo.
Le discours des participants a été transcrit automatiquement et des outils numériques ont été utilisés pour étudier les aspects généralement compromis dans la MA. Premièrement, les chercheurs se sont concentrés sur la granularité sémantique, c’est-à-dire le niveau de spécificité des concepts verbaux. "Par exemple, pour nommer l’image d’un animal avec une grosse tête, un museau plat et une bajoue pendante, vous pouvez utiliser un nom très spécifique, comme bouledogue , ou de plus en plus vague, comme chien ou animal ", illustre García.
En outre, ils ont examiné la variabilité sémantique continue, c’est-à-dire la proximité conceptuelle entre des mots successifs. « Par exemple, les mots présentent une plus grande proximité conceptuelle dans la déclaration La cuisinière était dans la cuisine et a pris un couteau , que dans son homologue D’elle Quelqu’un était dans un endroit et a pris un… Qu’est-ce que c’était ? Eh bien, quelque chose », ajoute Facundo Carrillo, co-auteur et chercheur au Laboratoire d’intelligence artificielle appliquée de l’Institut de recherche en informatique, CONICET et de l’Université de Buenos Aires. "À notre connaissance, c’est la première fois que ces phénomènes sont capturés automatiquement dans AD", ajoute García.
« Cette découverte fait partie de nos efforts visant à établir des marqueurs linguistiques précoces pour diverses maladies cérébrales. »
Comparés aux personnes en bonne santé, les individus atteints de MA présentaient des différences significatives dans les deux mesures. En particulier, leur discours impliquait une plus grande utilisation de concepts non spécifiques, une utilisation réduite de concepts spécifiques et un plus grand nombre de choix conceptuels discontinus (c’est-à-dire moins de proximité conceptuelle).
En revanche, ces mesures n’ont pas révélé de différences systématiques entre les personnes en bonne santé et les individus atteints de MP. "De même, en utilisant des algorithmes d’apprentissage automatique, nous démontrons que ces caractéristiques nous permettent de distinguer de manière robuste les individus avec et sans MA, ce qui n’arrive pas dans le cas des patients atteints de MP", explique Enzo Tagliazucchi, co-auteur et chercheur à l’Institut Latin Institut américain pour la santé du cerveau. , l’Université de Buenos Aires et le CONICET.
Cette étude suggère que certains aspects bien établis de la MA, jusqu’à présent évidents uniquement pour certains spécialistes, peuvent être capturés à l’aide d’outils automatisés qui ne nécessitent pas de formation médicale spécialisée. « Les tâches verbales naturalistes contiennent un facteur invasif minime et ne nécessitent pas nécessairement un professionnel pour les exécuter.
Ces tâches, combinées à des algorithmes de traitement du langage, nous permettent de créer automatiquement et objectivement un profil de chaque patient », explique Camila Sanz, doctorante CONICET et première auteure des travaux. L’absence de ces résultats dans le groupe PD n’est pas moins importante. En fait, d’autres aspects linguistiques évalués plus systématiquement dans la MA, comme la fluidité verbale, sont également fréquemment affectés dans cette autre pathologie, ce qui limite leur utilisation pour différencier les deux maladies.
« Cette découverte fait partie de nos efforts visant à établir des marqueurs linguistiques précoces pour diverses maladies cérébrales », explique García et ajoute : « Nous sommes convaincus que des travaux soutenus dans cette direction ouvriront de nouvelles voies pour renforcer les tests de diagnostic conventionnels, tout en surmontant les limites. d’évaluations typiques, dépendant de spécialistes. En ce sens, le langage, en général, et son étude interdisciplinaire, en particulier, pourraient être essentiels pour optimiser les approches diagnostiques actuelles en termes de santé cérébrale.
Référence
Sanz, C., Carrillo, F., Slachevsky, A., Forno, G., Gorno Tempini, ML, Villagra, R., Ibáñez, A., Tagliazucchi, E. et García, AM (2022). Marqueurs sémantiques automatisés au niveau du texte de la maladie d’Alzheimer. Alzheimer et démence : diagnostic, évaluation et surveillance de la maladie , e12276. est ce que je:10.1002/papa2.12276
