Análisis automatizado de la fluidez verbal y la denominación como predictor de severidad en enfermedad de Parkinson
Proyecto DICYT Asociativo | Universidad de Santiago de Chile (USACH)
PI: Adolfo M. García
CoInvs: Pedro Chaná Cuevas, Diana Aurenque, Edinson Muñoz
La enfermedad de Parkinson (EP) es un cuadro neurodegenerativo prevalente e incapacitante. Si bien es incurable, la detección temprana permite mejorar la calidad de vida de los pacientes y sus cuidadores, a la vez que reduce la carga financiera de las familias y los sistemas de salud. Los marcadores típicos para su detección precoz surgen de evaluaciones clínicas, neuroimagenológicas y biológicas, las cuales resultan invasivas, caras o poco precisas. Promisoriamente, los tests psicolingüísticos rodean tales limitaciones y permiten revelar déficits tempranos que discriminan entre esta y otras enfermedades, diferencian entre pacientes con y sin deterioro cognitivo leve (DCL) y predicen la severidad de sus síntomas motores y cognitivos. Sin embargo, la evidencia psicolingüística sobre la EP es limitada, proviene de muestras pequeñas y surge de tareas que no se emplean en entornos clínicos, lo cual socava la escalabilidad del enfoque. En este proyecto interdisciplinario, abordaremos tales desafíos mediante un abordaje inédito para la EP: el análisis automatizado de tareas de fluidez verbal (producción de palabras que cumplan con un criterio fonológico o semántico, durante un minuto) y denominación (producción de las palabras que nombran cada una de 60 imágenes).
Automated analysis of verbal fluency and naming as a predictor of severity in Parkinson’s disease
Proyecto DICYT Asociativo | Universidad de Santiago de Chile (USACH)
PI: Adolfo M. García
CoInvs: Pedro Chaná Cuevas, Diana Aurenque, Edinson Muñoz
Parkinson’s disease (PD) is a prevalent and disabling neurodegenerative disorder. Although incurable, early detection can improve the quality of life of patients and their caregivers, while reducing the financial burden on families and healthcare systems. Typical markers for early detection arise from clinical, neuroimaging and biological assessments, which are invasive, expensive or inaccurate. Promisingly, psycholinguistic tests circumvent such limitations and allow revealing early deficits that discriminate between this and other diseases, differentiate between patients with and without mild cognitive impairment (MCI), and predict the severity of their motor and cognitive symptoms. However, psycholinguistic evidence on PD is limited, comes from small samples and arises from tasks that are not employed in clinical settings, which undermines the scalability of the approach. In this interdisciplinary project, we will address such challenges through an unprecedented approach for PD: the automated analysis of verbal fluency (production of words that meet a phonological or semantic criterion, for one minute) and naming (production of the words that name each of 60 pictures) tasks.