Podría detectarse el autismo mediante la firma vocal del habla de los bebés

Noticia original: Autism Detected In Unique Vocal Signature Of Baby Talk

El uso de un nuevo tipo de tecnología de “firma vocal” que se centra en los patrones de sonido en lugar de la pronunciación de las palabras de un bebé permitiría detectar trastornos del espectro autista en fases tempranas.

El nuevo método mejorará en gran medida el estudio del desarrollo del lenguaje porque puede recopilar grabaciones de todo un día en los ambientes naturales de los niños y analizar automáticamente los patrones de sonido de forma considerablemente más barata y eficiente, respecto a los métodos más tradicionales que requieren la dedicación permanente del personal.

La investigación detrás de estos hallazgos fue dirigida por el Dr. D. Kimbrough Oller, profesor y presidente de la excelencia en audiología y patología del lenguaje y del habla en la Universidad de Memphis (Estados Unidos), y se puede leer un informe en línea publicados en los Proceedings of the National Academy of Sciences (Actas de la Academia Nacional de Ciencias) el 19 de julio de 2010.

Oller y sus colegas dijeron que LENA (Language Environment Analysis, Análisis de entorno del lenguaje) permitió una precisión del 86 por ciento para distinguir el autismo en niños muy jóvenes. Según indicaron, el sistema también es capaz de distinguir entre los niños con un desarrollo normal, los niños con autismo y niños con retraso en el lenguaje.

LENA se basa en la nueva tecnología “análisis acústico automático” para permitir “el análisis estadístico a gran escala de una de parámetros acústicos estratégicamente seleccionados“ en las grabaciones de sonido.

En este estudio, Oller y sus colegas utilizaron LENA analizar grabaciones realizadas por 232 niños a lo largo de 1.486 días (lo que asciende a más de 3.000.000 expresiones identificadas automáticamente).

LENA es esencialmente un procesador de lenguaje complementado con software de análisis. En el corazón del software reside un algoritmo que Oller y sus colegas han desarrollado, que reconoce 12 Parámetros acústicos o patrones de sonido distintos asociados con el desarrollo vocal.

El procesador se inserta en un bolsillo especialmente destinado a ello de la ropa de los niños y registra todo el día lo que el niño dice y los sonidos que hace, y distingue de forma fiable vocalizaciones (es decir, cuando los niños hablan o intentan hablar) de gritos, llantos, otras voces y de ruido de fondo.

Los niños participantes procedían de familias cuyos padres respondieron a un anuncio solicitando voluntarios que participan en el estudio. Cuando se inscribieron, los padres indicaron si sus hijos habían sido diagnosticados con autismo o retraso en el lenguaje. El proyecto también ofreció a los padres de niños con retraso del lenguaje o autismo evaluaciones médicas independientes de habla y lenguaje que no estaban vinculadas a la investigación; los padres enviaron estos informes médicos a los investigadores.

Las grabaciones de la actividad de los niños a lo largo del día se inició en 2006 y se llevó a cabo en ambientes domésticos naturales cuando los padres enciendían los grabadores que ya estaban en los bolsillos hechos para este fin en la ropa de los niños.

Oller y sus colegas encontraron que los más importantes de los 12 parámetros acústicos resultaron ser los que dirigen la capacidad de los niños para producir sílabas bien formadas (silabeo), moviendo la mandíbula y la lengua rápidamente durante la vocalización. Los bebés empiezan a hacer esto cuando tienen pocos meses de edad, y mejoran la habilidad a medida que crecen y aprenden a hablar.

Los investigadores encontraron que las muestras de sonido de los niños autistas mostraron poca evidencia de desarrollo de silabeo, porque los parámetros acústicos relevantes no cambiaron tanto como se espera cuando los niños crecen (de 1 año a 4 años). Esto se compara con el desarrollo estadísticamente significativo con la edad de los 12 parámetros, tanto para niños con un desarrollo normal y aquellos con retrasos en el lenguaje.

Oller y sus colegas concluyeron que se trataba de una prueba de concepto de que un método como LENA que utiliza el análisis automático de gran cantidad de muestras de grabaciones de vocalización pueden hacer una valiosa contribución al campo de la investigación para el desarrollo vocal.

Los científicos han estado estudiando la presencia y ausencia de aberraciones del habla en niños con trastornos del espectro autista durante más de 20 años, pero hasta la fecha, los criterios estándar para su diagnóstico han excluido las características vocales, dijo el co-autor del estudio el Dr. Steven F. Warren, profesor de  Ciencia de Comportamiento Aplicada y vicerrector de investigación de la Universidad de Kansas.

Entre los primeros científicos en ver el potencial de un método como LENA en la detección de autismo, Warren dijo a la prensa que: “Un pequeño número de estudios habían sugerido previamente que los niños con autismo tienen una firma vocal muy diferente, pero hasta ahora, no ha sido posible desarrollar este conocimiento en aplicaciones clínicas por la falta de tecnología de medición“.

En su información complementaria, Warren, Oller y sus colegas describen el procedimiento tradicional y laborioso con que los científicos estudian el desarrollo vocal y su papel en el lenguaje, y lo compararon con el proceso automático, rápido de un sistema como LENA. En el método tradicional, personal de transcripción y analistas miden y codifican pequeñas muestras registradas, mientras que LENA es completamente automatizado “sin requerir intervención humana”, según indican, “permitiendo un muestreo eficiente y un análisis a un nivel de escala sin precedentes”.

Warren dijo que una herramienta como LENA, que recoge y analiza cantidades inimaginables de datos de forma relativamente barata, tendrá un enorme impacto en los campos de la investigación del lenguaje y en las ciencias del comportamiento, y también en áreas como la detección, evaluación y tratamiento del autismo.

También, como consecuencia de que la tecnología se basa en análisis de patrones de sonido y no en palabras, en teoría, podría detectar el autismo en cualquier hablante independientemente del idioma que hable.

“Por lo que sabemos, la física del habla humana es la misma en todas las personas ”, dijo Warren.

Actualmente en los EE.UU., la edad media de diagnóstico de trastorno del espectro autista (TEA) en inglés “autism spectrum disorder (ASD)” en niños, es de 5,7 años y con este tipo de tecnología podría reducirse a 18 meses, sugirió Warren.

“Esta tecnología podría ayudar a los pediatras a detectar de forma temprana un TEA en niños para determinar si se requiere su remisión a un especialista para un diagnóstico completo y conseguir que esos niños puedan recibir tratamientos con más antelación y efectividad“, agregó.

LENA también podría ser utilizado como una forma de ayudar a los padres para complementar la terapia de mejora del lenguaje en el hogar, dijo Warren. Por ejemplo, podrían utilizarlo para evaluar por sí mismos cómo de efectiva era su intervención, explicó.

Título de la contribución científica: “Análisis vocal automático de grabaciones naturalistas de niños con autismo, con retraso en el lenguaje, y con desarrollo típico“.

“Automated vocal analysis of naturalistic recordings from children with autism, language delay, and typical development.”
D. K. Oller, P. Niyogi, S. Gray, J. A. Richards, J. Gilkerson, D. Xu, U. Yapanel, and S. F. Warren.
Proceedings of the National Academy of Sciences, Published online before print 19 July 2010.
DOI: 10.1073/pnas.1003882107

Additional source: Univesrity of Kansas.

This entry was posted in Aspectos médicos. Bookmark the permalink.