Marcadores basados en lenguaje natural para la discriminación de enfermedades neurodegenerativas
CONCYTEC, Perú
PI: Marcio Soto Añari
CoInvs: José Ochoa Luna, Claudia Rivera-Fernández, Nilton Custodio, Adolfo M. García
Observamos un incremento significativo de las enfermedades neurodegenerativas (EN) en población adulta mayor de Perú. Los actuales procedimientos para el diagnóstico son altamente costosos y de poco o nulo acceso a la mayoría de la población y en muchos casos no están estandarizados o validadas. Por otro lado, el desarrollo de procedimientos de machine learning es cada vez más extendido en ámbitos de investigación en salud y neurociencia, dentro de ellas, el análisis del lenguaje natural (LN). Los avances en el desarrollo de algoritmos de LN vienen teniendo un impacto importante en la diferenciacioìn de pacientes con diferentes patologiìas neuropsiquiaìtricas, pero su uso auìn es poco extendido en EN. Los mecanismos para su implementacioìn, su coste relativamente bajo y su alta validez ecoloìgica; la hacen una herramienta valiosa para el apoyo diagnoìstico de EN, sobre todo en contextos como el peruano donde el nuìmero de especialistas es escaso, existen seriìas carencias en equipamiento y el acceso a centros de salud en zonas geograìficamente distantes es casi imposible. Por ello, nos hemos propuesto validar marcadores de lenguaje natural que nos permitan diferenciar las EN más frecuentes en adultos mayores de Arequipa, Peruì. Esperamos desarrollar medidas robustas y con una alta escalabilidad que nos permitan apoyar en los procesos diagnósticos en salud, así como el desarrollo de herramientas con un enfoque multidisciplinar en neurociencia.
Natural language-based markers for neurodegenerative disease discrimination
CONCYTEC, Perú
PI: Marcio Soto Añari
CoInvs: José Ochoa Luna, Claudia Rivera-Fernández, Nilton Custodio, Adolfo M. García
A significant increase in neurodegenerative diseases (NDs) in the older adult population of Peru has been observed. Current diagnostic procedures are highly expensive and of little or no access to the majority of the population and in many cases are not standardized or validated. On the other hand, the development of machine learning procedures is becoming increasingly widespread in health and neuroscience research fields, including natural language (NL) analysis. Advances in the development of NL algorithms have had an important impact on the differentiation of patients with different neuropsychiatric pathologies, but their use is still not widespread in NDs. The mechanisms for its implementation, its relatively low cost and its high ecological validity make it a valuable tool for diagnostic support in NDs, especially in contexts such as Peru, where the number of specialists is scarce, there are serious equipment shortages and access to health centers in geographically distant areas is almost impossible. Therefore, we have proposed to validate natural language markers that allow us to differentiate the most frequent NDs in older adults in Arequipa, Peru. We hope to develop robust and highly scalable measures that will allow us to support diagnostic processes in health, as well as the development of tools with a multidisciplinary approach in neuroscience.
