Antonio Suppa
Analisi della Voce con Machine Learning nel Tremore Essenziale
La voce è un fenomeno biologico complesso che richiede la corretta attivazione di un esteso “network” neuronale nel cervello. Tale network è il frutto di processi evolutivi che hanno inizialmente promosso lo sviluppo del substrato biologico del fenomeno della vocalizzazione (i.e. primati non umani), consentendo successivamente
lo sviluppo del linguaggio umano. La voce pertanto rappresenta una finestra di osservazione peculiare potendo fornire informazioni circa lo stato di salute del sistema nervoso di una persona. L’ analisi avanzata della voce, eseguita con una specifica tecnica di Intelligenza artificiale chiamata machine learning, rappresenta pertanto una ricerca scientifica di frontiera.
Lo studio sperimentale ha avuto come oggetto l’analisi avanzata di registrazioni vocali mediante i più moderni algoritmi di machine learning al fine di valutarne il possibile utilizzo come strumento di supporto alla diagnosi e valutazione clinica del Tremore Essenziale. Il Tremore Essenziale è il più frequente disordine del movimento, colpisce il 4% delle persone al di sopra dei 65 anni ed è circa venti volte più frequente della Malattia di Parkinson – con cui viene frequentemente confuso. Si manifesta prevalentemente con un tremore involontario degli arti superiori e compromette in modo significativo la qualità della vita dei pazienti.
Circa il 12% dei pazienti con Tremore Essenziale manifesta, inoltre, un caratteristico tremore della voce. La diagnosi di Tremore Essenziale e la valutazione della risposta alla terapia farmacologica si basano attualmente su valutazioni cliniche che hanno il limite di dipendere dalla specifica esperienza del valutatore.
L’analisi avanzata della voce con machine learning si propone pertanto come strumento innovativo al fine di consentire il riconoscimento automatico – con elevata sensibilità/specificità – del tremore vocale e la risposta sintomatica a specifiche terapie farmacologiche in pazienti affetti da Tremore Essenziale. Questa è la prospettiva aperta dallo studio scientifico recentemente pubblicato sulla prestigiosa rivista scientifica Movement Disorders (Suppa et al. Voice Analysis with Machine Learning: One Step Closer to an Objective Diagnosis of Essential Tremor. Mov Disord. 2021;36(6):1401-1410) e frutto della collaborazione tra il Dipartimento di Neuroscienze Umane di Sapienza Università di Roma, l’I.R.C.C.S. Neuromed di Pozzilli (IS), e il Dipartimento di
Ingegneria Elettronica dell’Università degli Studi di Roma Tor Vergata (Prof. Giovanni Saggio e Prof. Giovanni Costantini). Nello specifico, la ricerca è stata condotta attraverso la registrazione della voce di 58 pazienti affetti da Tremore Essenziale e di 74 soggetti sani di controllo. Le registrazioni della voce, eseguite mentre i partecipanti pronunciavano una vocale per cinque secondi, sono state successivamente esaminate con algoritmi di machine learning. L’accuratezza diagnostica della classificazione automatica raggiunta dall’algoritmo (support vector machine – SVM) è stata verificata con strumenti statistici standardizzati (Curve ROC). L’analisi ha dimostrato una elevata accuratezza diagnostica del machine learning nella distinzione tra pazienti affetti da Tremore Essenziale e soggetti sani, nonché nella distinzione tra pazienti trattati e non con terapie sintomatiche standardizzate. Infine, a supporto della plausibilità biologica dell’analisi effettuata, gli autori hanno ottenuto correlazioni significative tra le misure strumentali obiettive consentite dall’utilizzo di intelligenza artificiale (i.e. likelihood ratio) e il grado di compromissione della voce valutato con le metodiche cliniche attualmente esistenti. L’utilizzo dell’intelligenza artificiale ha permesso pertanto di ampliare gli strumenti diagnostici attualmente a disposizione, oltrepassandone i limiti. In conclusione, l’intelligenza artificiale applicata all’analisi della voce potrebbe in futuro rappresentare un nuovo metodo di indagine automatizzato e standardizzato per la diagnosi di Tremore Essenziale e per la valutazione della risposta clinica a specifiche terapie farmacologiche. L’intelligenza artificiale inoltre potrebbe rivelarsi uno strumento innovativo e non invasivo nel
riconoscere ulteriori patologie neurologiche (i.e. Malattia di Parkinson e Malattia di Alzheimer) e nell’ identificare gli interventi terapeutici più appropriati in linea con la nuova frontiera della medicina di precisione.
Infine, l’intelligenza artificiale apre nuove prospettive nella diagnosi e cura di specifiche malattie neurologiche a distanza, a beneficio della telemedicina. A tal riguardo, sono già disponibili i primi dati ottenuti dai medesimi autori dello studio circa l’utilizzo di machine learning applicato a tracce vocali registrate a domicilio con comuni smartphones (i.e. Asci F et al. Machine-Learning Analysis of Voice Samples Recorded through Smartphones: The Combined Effect of Ageing and Gender. Sensors (Basel). 2020;20(18):5022).