Un enfoque automatizado de aprendizaje automático de los cambios lingüísticos en la enfermedad de Alzheimer y la demencia frontotemporal en poblaciones latinas y anglófonas
National Institute on Aging of the National Institutes of Health, US
MPIs: Adolfo M. García, Maria Luisa Gorno-Tempini y Agustín Ibáñez
Equipos de ReD-Lat: Argentina (Ibáñez, García, Brusco, Bruno), Colombia (Matallana, Ospina), Chile (Durán, Slachevsky, Behrens), México (Ávila Funes, Sosa), Perú (Custodio, Soto) y Estados Unidos (Universidad de California, San Francisco)
Monto: USD 8M
Este proyecto utiliza el análisis del habla y el lenguaje (AAHL) como un enfoque objetivo y de bajo coste para la detección y el seguimiento de la demencia en la población latina, una minoría numerosa y desatendida. Aprovechando una gran cohorte de América Latina y los Estados Unidos (n = 2740), emplearemos el aprendizaje automático y profundo para (a) probar la utilidad diagnóstica de los marcadores AAHL; (b) correlacionarlos con características cognitivas y de neuroimagen; y (c) identificar aquellos que son robustos en los diferentes idiomas, dialectos y variables socio-biológicas. A largo plazo, esta investigación proporcionará herramientas equitativas para el diagnóstico precoz y el seguimiento de la demencia en la población latina, lo que permitirá reducir el coste y el tiempo de las pruebas, evitar los sesgos propios de los examinadores, diferenciar los síndromes más allá de las causas comunes de confusión y permitir la adopción oportuna de cambios de vida que ofrezcan neuroprotección y de terapias dirigidas a la patología.
An automated machine learning approach to language changes in Alzheimer’s disease and frontotemporal dementia across Latino and English-speaking populations
National Institute on Aging of the National Institutes of Health, US
MPIs: Adolfo M. García, Maria Luisa Gorno-Tempini y Agustín Ibáñez
ReD-Lat teams: Argentina (Ibáñez, García, Brusco, Bruno), Colombia (Matallana, Ospina), Chile (Durán, Slachevsky, Behrens), Mexico (Ávila Funes, Sosa), Peru (Custodio, Soto), and the US (UCSF)
Funds: USD 8M
This project uses speech and language analysis (ASLA) as an objective, low-cost approach for dementia detection and monitoring in Latinos, a large and underserved minority. Leveraging a large cohort from Latin America and the United States (n = 2740), we will employ machine and deep learning to (a) test the diagnostic utility of ASLA markers; (b) correlate them with cognitive and neuroimaging features; and (c) identify those that are robust across, languages, dialects, and socio-biological variables. In the long term, this research will provide equitable tools for early diagnosis and monitoring of dementia in Latinos, reducing testing cost and time, avoiding biases of examiner-based tests, differentiating syndromes beyond common-cause confounds, and enabling timely adoption of neuroprotective life changes and pathology-targeted therapies.
