Toolkit to Examine Lifelike Language (TELL) v.2.0: Optimizing speech biomarkers of neurodegeneration
Introducción: Toolkit to Examine Lifelike Language (TELL) es una aplicación web que proporciona biomarcadores del habla de la neurodegeneración. Tras el despliegue de TELL v.1.0 en más de 20 sitios, ahora presentamos TELL v.2.0. Métodos: En primer lugar, se describen las características de usabilidad de la aplicación, incluyendo las funciones para la recogida y procesamiento de datos en el sitio, fuera de línea, y a través de videoconferencia. En segundo lugar, resumimos su encuesta clínica, en la que se analizan hábitos relevantes (p. ej., tabaquismo, sueño) junto con predictores lingüísticos del rendimiento (historial lingüístico, uso, competencia y dificultades). En tercer lugar, detallamos las evaluaciones basadas en el habla de TELL, cada una de las cuales combina tareas estratégicas y características que capturan dominios relevantes para el diagnóstico (función motora, memoria semántica, memoria episódica y procesamiento emocional). En cuarto lugar, especificamos las nuevas opciones de análisis, visualización y descarga de datos de la aplicación. Por último, enumeramos los principales retos y oportunidades de desarrollo. Resultados: En general, TELL v.2.0 ofrece perspectivas escalables, objetivas y multidimensionales para el campo. Conclusiones: Gracias a sus avances técnicos y científicos, esta herramienta puede mejorar la detección, el fenotipado y el seguimiento de enfermedades.
Para acceder al artículo, hacé click aquí.
Toolkit to Examine Lifelike Language (TELL) v.2.0: Optimizing speech biomarkers of neurodegeneration
Introduction: The Toolkit to Examine Lifelike Language (TELL) is a web-based application providing speech biomarkers of neurodegeneration. After deployment of TELL v.1.0 in over 20 sites, we now introduce TELL v.2.0. Methods: First, we describe the app’s usability features, including functions for collecting and processing data onsite, offline, and via videoconference. Second, we summarize its clinical survey, tapping on relevant habits (e.g., smoking, sleep) alongside linguistic predictors of performance (language history, use, proficiency, and difficulties). Third, we detail TELL’s speech-based assessments, each combining strategic tasks and features capturing diagnostically relevant domains (motor function, semantic memory, episodic memory, and emotional processing). Fourth, we specify the app’s new data analysis, visualization, and download options. Finally, we list core challenges and opportunities for development. Results: Overall, TELL v.2.0 offers scalable, objective, and multidimensional insights for the field. Conclusion: Through its technical and scientific breakthroughs, this tool can enhance disease detection, phenotyping, and monitoring.
To access the full paper, please click here.
