Se gli occhi sono le finestre dell’anima , forse le parole sono le finestre della mente. Possiamo facilmente dedurre lo stato d’animo di una persona dagli aggettivi che usa, la sua età dalla sua sintassi, il suo livello di istruzione dal suo vocabolario... Tuttavia, non è facile individuare indizi linguistici sulle sue possibili alterazioni. cerebrale.
Come fai a sapere, attraverso il linguaggio spontaneo, se quella persona ha la malattia di Alzheimer (AD)? Alcuni segnali possono essere evidenti ai professionisti altamente qualificati, ma questi individui rappresentano un gruppo esiguo se paragonati alla popolazione delle persone affette da AD, che attualmente supera i 43 milioni e continua a crescere. Questa situazione è a dir poco infelice poiché, a differenza di altri approcci, le valutazioni linguistiche rappresentano un metodo conveniente e non invasivo per contribuire alla diagnosi clinica.
“E se potessimo sviluppare strumenti per rilevare tali indizi in modo obiettivo e automatico?” si chiede Adolfo García, Direttore del Centro di Neuroscienze Cognitive dell’Università di San Andrés, Ricercatore del CONICET, Senior Atlantic Fellow del Global Brain Health Institute. (Università della California, San Francisco) e Ricercatore PIIECC presso la Facoltà di Lettere e Filosofia dell’Università di Santiago del Cile.
Questa è la sfida che Garcia e il suo team hanno affrontato in un articolo pubblicato su Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring , una rivista dell’Alzheimer’s Association (10.1002/dad2.12276). I ricercatori hanno formato un gruppo di 21 persone affette da AD e due gruppi di controllo, composti da 16 individui sani e 18 pazienti con malattia di Parkinson (PD). Tutti i partecipanti erano di lingua spagnola, provenienti dal Cile, ed erano stati diagnosticati da team di professionisti multidisciplinari. Utilizzando una batteria originale, sono stati registrati mentre eseguivano compiti verbali quotidiani, come descrivere la loro routine, raccontare un ricordo piacevole, descrivere un disegno e raccontare un video.
Il discorso dei partecipanti è stato trascritto automaticamente e sono stati utilizzati strumenti digitali per studiare gli aspetti che sono tipicamente compromessi nell’AD. Innanzitutto, i ricercatori si sono concentrati sulla granularità semantica, ovvero sul livello di specificità dei concetti verbali. "Ad esempio, quando si nomina l’immagine di un animale domestico con la testa grande, il muso piatto e la mascella pendente, è possibile utilizzare un nome molto specifico, come bulldog , o nomi sempre più vaghi, come cane o animale ", illustra García.
Inoltre, hanno esaminato la variabilità semantica continua, cioè la vicinanza concettuale tra parole successive. “Ad esempio, le parole presentano una maggiore vicinanza concettuale nell’affermazione La cuoca era in cucina e prese un coltello , rispetto alla sua controparte Da lei Qualcuno era in un posto e prese un... Cos’era? Ebbene, qualcosa ”, aggiunge Facundo Carrillo, coautore e ricercatore presso il Laboratorio di Intelligenza Artificiale Applicata dell’Istituto di Ricerca in Informatica, CONICET e dell’Università di Buenos Aires. "Per quanto ne sappiamo, questa è la prima volta che questi fenomeni vengono catturati automaticamente nell’AD", aggiunge García.
“Questa scoperta fa parte dei nostri sforzi per stabilire marcatori linguistici precoci per varie malattie del cervello”.
Rispetto alle persone sane, gli individui con AD hanno mostrato differenze significative in entrambe le misurazioni. In particolare, il loro discorso implicava un maggiore uso di concetti non specifici, un uso ridotto di concetti specifici e un maggior numero di scelte concettuali discontinue (cioè, minore vicinanza concettuale).
Al contrario, questi parametri non hanno prodotto differenze sistematiche tra persone sane e individui con PD. "Allo stesso modo, utilizzando algoritmi di apprendimento automatico, dimostriamo che questi tratti ci consentono di discriminare in modo robusto tra individui con e senza AD, cosa che non accade nel caso dei pazienti con malattia di Parkinson", afferma Enzo Tagliazucchi, coautore e ricercatore presso l’Università Latina. Istituto americano per la salute del cervello. , l’Università di Buenos Aires e CONICET.
Questo studio suggerisce che alcuni aspetti ben consolidati dell’AD, fino ad ora evidenti solo a specialisti selezionati, possono essere catturati con strumenti automatizzati che non richiedono una formazione medica specializzata. “I compiti verbali naturalistici contengono un fattore invasivo minimo e non richiedono necessariamente un professionista per eseguirli.
Questi compiti, combinati con gli algoritmi di elaborazione del linguaggio, ci consentono di creare un profilo di ciascun paziente in modo automatico e oggettivo”, afferma Camila Sanz, dottoranda CONICET e prima autrice del lavoro. Non meno importante è l’assenza di questi risultati nel gruppo PD. In effetti, altri aspetti linguistici valutati più sistematicamente nell’AD, come la fluidità verbale, sono frequentemente colpiti anche in quest’altra condizione, il che ne limita l’uso per differenziare le due malattie.
“Questa scoperta fa parte dei nostri sforzi per stabilire marcatori linguistici precoci per varie malattie del cervello”, spiega García e aggiunge: “Siamo fiduciosi che un lavoro prolungato in questa direzione aprirà nuove strade per rafforzare i test diagnostici convenzionali, superando al tempo stesso i limiti. di valutazioni tipiche, dipendenti da specialisti.” In questo senso, il linguaggio, in generale, e il suo studio interdisciplinare, in particolare, potrebbero essere fondamentali per ottimizzare gli attuali approcci diagnostici in termini di salute del cervello.
Riferimento
Sanz, C., Carrillo, F., Slachevsky, A., Forno, G., Gorno Tempini, ML, Villagra, R., Ibáñez, A., Tagliazucchi, E. & García, AM (2022). Marcatori semantici automatizzati a livello di testo della malattia di Alzheimer. Alzheimer e demenza: diagnosi, valutazione e monitoraggio della malattia , e12276. doi:10.1002/papà2.12276
