Los puntos clave no están disponibles para este artículo en este momento.
ANTECEDENTES: La enfermedad de Alzheimer (EA) tiene una importancia primordial debido a su creciente prevalencia, el impacto en el paciente y la sociedad, y los costos de atención médica relacionados. Sin embargo, las técnicas diagnósticas actuales no están diseñadas para un cribado masivo frecuente, lo que retrasa la intervención terapéutica y empeora los prognósticos. Para poder detectar la EA en una etapa temprana, idealmente en una etapa preclínica, el análisis del habla surge como un procedimiento simple, de bajo costo y no invasivo. OBJETIVOS: En este trabajo, nuestro objetivo es realizar una revisión sistemática sobre la detección y clasificación de la Enfermedad de Alzheimer basada en el habla con el propósito de identificar los algoritmos más efectivos y las mejores prácticas. MÉTODOS: Se realizó una búsqueda sistemática de literatura desde enero de 2015 hasta mayo de 2020 utilizando ScienceDirect, PubMed y DBLP. Se revisaron los artículos por título, resumen y texto completo según fuese necesario. También se realizó una búsqueda complementaria manual entre las referencias de los artículos incluidos. Se definieron criterios de inclusión y estrategias de búsqueda a priori. RESULTADOS: Pudimos: identificar los principales recursos que pueden apoyar el desarrollo de sistemas de soporte a la decisión para la EA, listar las características del habla que están correlacionadas con la huella lingüística y acústica de la enfermedad, reconocer los modelos de datos que pueden proporcionar resultados sólidos y observar los indicadores de rendimiento que fueron reportados. DISCUSIÓN: Un sistema computacional con la combinación adecuada de elementos, basado en las mejores prácticas identificadas, puede apuntar a un enfoque diagnóstico completamente nuevo, llevando a mejores percepciones sobre los síntomas de la EA y sus patrones de enfermedad, creando condiciones para promover una mayor longevidad así como una mejora en la calidad de vida del paciente. Los resultados clínicamente relevantes que fueron identificados pueden ser utilizados para establecer un sistema de referencia y ayudar a definir directrices de investigación para desarrollos futuros.
Vigo et al. (Mar,) estudiaron esta cuestión.