Evaluation cognitive utilisant la parole
pour la détection Précoce de la maladie d’Alzheimer
Speech-Based Digital Cognitive Assessment for Early Alzheimer’s Detection
Alzheimer’s Dement. 2 026;22:e71462.wileyonlinelibrary.com/journal/alz 1 of 14
https://doi.org/10.1002/alz.71462
Et non l’intelligence artificielle n’est pas seulement source de fausses informations !
Cette étude publiée dans un des plus importants journaux de recherche sur la maladie d’Alzheimer est un événement important pour l’équipe CoBTeK. En effet la première autrice est Alexandra Konig qui est à la fois chercheuse dans l’équipe CoBteK et membre de la société Ki Éléments qui a développée le projet. Alexandra Konig qui est neuropsychologue chercheuse en neurosciences et qui à soutenue sa thèse de science sur le sujet à l’Université Côté d’Azur. Depuis plus de 10 ans elle publie avec détermination des articles scientifiques sur ce thème pour démontrer que l’utilisation de la parole combinée avec les nouvelles technologies pouvait permettre d’aider au diagnostic de troubles psychiatriques. Plusieurs de ces publications sont disponibles sur le site de l’équipe comme par exemple celui sur la détection de l’apathie
ou il est possible de les consulter. Ce nouvel article est un aboutissement car il donne les résultats provenant de plusieurs cohortes européennes et prouve l’intérêt de cet outils simple d’utilisation.
Voici le résumé en français et bien sûr l’article est disponible en cliquant sur ce lien.
L’étude porte sur le biomarqueur vocal pour la cognition (SB-C), un outil numérique automatisé conçu pour repérer précocement la maladie d’Alzheimer. En analysant la parole lors de la réalisation de tests de 736 participants issus de cinq cohortes européennes, les chercheurs ont démontré que cette évaluation à distance permet distinguer efficacement les personnes saines de celles souffrant de troubles cognitifs. De plus les résultats montrent une relation directe entre les scores vocaux et les niveaux de biomarqueurs comme l’amyloïde bêta et la protéine tau venant de prélèvement dans le liquide céphalorachidien des personnes ayant accepté de participer à ces cohortes. Cette technologie offre une solution évolutive et peu coûteuse pour le dépistage à grande échelle, facilitant ainsi l’accès aux nouveaux traitements modificateurs de la maladie. La validation de cet outil dans différentes langues et contextes cliniques souligne son potentiel pour décentraliser les essais cliniques et améliorer le suivi des patients.
Comment ça marche ?
Le SB-C (Speech Biomarker for Cognition) est un biomarqueur numérique automatisé, dérivé de la parole La collecte des données vocales s’effectue lors de la réalisation
de tâches cognitives structurées via une plateforme numérique, soit par téléphone via une application. Les utilisateurs effectuent généralement des tests de mémoire (apprentissage verbal) ou de langage (fluence verbale).
Les enregistrements vocaux sont ensuite traités grâce à un ensemble d’analyse informatique qui utilise la reconnaissance vocale automatisée (ASR) pour transcrire la parole. Le système extrait ensuite 70 caractéristiques distinctes de la parole, comme par exemple l’organisation temporelle (temps de transition entre les mots, structure des pauses) ou le taux de production de mots durant l’épreuve de fluence, les regroupement sémantique et les changements de de catégorie sémantique. L’ensemble de ces éléments permet de calculer un score global de cognition global. C’est ce score (SB-C) qui diminue progressivement avec la gravité de l’atteinte cognitive et qui est aussi corrélé avec les biomarqueurs biologiques de la maladie d’Alzheimer, tels que les niveaux de protéine tau phosphorylée (p-tau181) et de bêta-amyloïde dans le liquide
Il est aussi possible en utilisant ce principe de récolter des informations au cours de tâche libre comme de raconter pendant une minute une histoire agréable ou triste et cela permet par exemple de repérer les personnes présentant de l’apathie ou des troubles affectifs.