Una integración de características biométricas de voz y faciales para la detección temprana de la enfermedad de Parkinson

La hipomimia y los cambios en la voz son signos sutiles que preceden a la discapacidad motora clásica en pacientes con enfermedad de Parkinson (EP). Nuestro objetivo es investigar si un análisis de expresiones acústicas y faciales con algoritmos de aprendizaje automático ayuda a la identificación temprana de pacientes con EP. Reclutamos a 371 participantes, incluyendo una cohorte de entrenamiento (112 pacientes con EP durante la fase "on", 111 controles) y una cohorte de validación (74 pacientes con EP durante la fase "off", 74 controles). Todos los participantes se sometieron a una grabación simultánea basada en un teléfono inteligente de la voz y las expresiones faciales, mientras leían un artículo. Se aplicaron nueve clasificadores de aprendizaje automático diferentes. Observamos que las características integradas faciales y de voz podrían discriminar a los pacientes con EP en etapa temprana de los controles con un valor de diagnóstico del área bajo la curva del receptor (AUROC) de 0.85. En la cohorte de validación, el valor de diagnóstico óptimo (0.90) se mantuvo. Concluimos que las características biométricas integradas de voz y expresiones faciales podrían ayudar en la identificación de pacientes con EP en etapa temprana frente a los controles de edad avanzada.