Conclusiones del capítulo

Se han realizado distintas pruebas y estadísticas a partir de una base de datos con dos grupos distintos de sujeto. Los resultados han demostrado que existen algunas diferencias a tener en cuenta entre ambos, en datos relativos como las frecuencias de los sujetos. Datos que corroboran estas diferencias, se encuentran los resultados obtenidos mediante diversos métodos.

La realización del clasificador SVM revela porcentajes a la hora de distinguir entre un paciente sano y otro enfermo lo suficientemente elevadas como para alentar el desarrollo de nuevos estudios sobre estos parámetros prosódicos.

También es importante tener en cuenta que todos los resultados obtenidos en este estudio están condicionados por la precisión de la extracción de datos de la herramienta Prosogram v29f, que es mediante la cual se detectan los distintos núcleos silábicos que forman las señales de voces grabadas. Aunque el Prosogram posee sus limitaciones en cuanto a la detección y reconocimiento de núcleos silábicos sus resultados se han considerado buenos durante la realización de este estudio.

Se realizó en la presente investigación una búsqueda de la combinación de rasgos que aportaran la mejor clasificación general obteniendo un conjunto formado por dos rasgos, incluidos el mejor valorado por la prueba estadística (FMED) y un segundo rasgo que se encontraba agrupado en el conjunto de posibles significativos (FDES). Lo anterior demuestra que el tema de selección de rasgos es una asignatura pendiente para los tiempos actuales. A forma de conclusión, los resultados obtenidos animan a un estudio más profundo de los rasgos prosódicos como una herramienta sencilla, rápida y económica para la detección precoz del deterioro cognitivo moderado en la población cubana.

46

CONCLUSIONES

 Se identificaron cuatro rasgos prosódicos presentes en la voz de los pacientes con demencia moderada.

 Se creó una base de datos de voces de pacientes con deterioro cognitivo moderado y sanos en el Hogar del Adulto Mayor #2 de Santa Clara formada por 11 participantes sanos y 12 pacientes con deterioro.

 Se realizó la clasificación de los dos grupos, control y pacientes con deterioro cognitivo moderado, mediante varias configuraciones de un clasificador SVM del cual se obtuvieron resultados satisfactorios con respecto a otros estudios publicados.

47

RECOMENDACIONES

Para continuar el desarrollo del tema de esta investigación se recomienda:

 Aumentar la cantidad de muestras de la base de casos, realizando grabaciones en otros hogares del país.

 Ampliar el número de rasgos prosódicos para realizar una mejor diferenciación de los grupos estudiados en este trabajo.

 Diseñar una herramienta automática para identificar deterioro cognitivo moderado mediante procesamiento digital de voz.

48

REFERENCIAS BIBLIOGRÁFICAS

[1] S. Doménech, "Aplicación de un programa de estimulación de memoria a enfermos de Alzheimer en fase leve," Departamento de Psicología Evolutiva y de la Educación, Universidad de Barcelona. Facultad de Psicología, Barcelona. España, 2004.

[2] A. Slachevsky and F. Oyarzo, "Las demencias: historia, clasificación y aproximación clínica". Buenos Aires, Argentina, 2008.

[3] Richards SS and H. HC, "Diagnosis,management and treatment of Alzheimer disease", 1999.

[4] Gil.P and Martin.J, "Demencia," ed, p. 173, 1997.

[5] Medina.JH, "Diagnóstico y Tratamiento del Deterioro Cognoscitivo en el Adulto Mayor," C. N. d. E. T. e. Salud, Ed., ed. mexico, 2012.

[6] Gutiérrez.LM and Arrieta.I. "Plan de acción Alzheirme y otras demencias". Geriatria y Salud, 2014.

[7] Llibre.JJ., "Envejecimiento y demencia: implicaciones para la comunidad científica, la salud pública y la sociedad cubana". Academia de Ciencias de Cuba, 2012.

[8] Llibre.JJ., "Epidemiología,diagnóstico e impacto de las demencias y otras enfermedades crónicas no transmisibles en adulto mayores", Academia de Ciencias de Cuba. 2014. [9] Kreiman.J and Gerrat.BR, "Perceptual evaluation of voice quality Review: Tutorial and a

Framework for future research." vol. 36, ed,. pp. 21-40, 1993.

[10] R. Kent, "Hearing and believing: Some limits to auditory-perceptual assessment of speech and voice disorders," J.Speech Hear, 1996.

[11] Darley.FL, Aronson.AE, and Brown.JR, "Differential diagnostic patterns of dysarthria. J. Speech Hear", 1969.

49 [12] Castillo.E., "A modem approach to dysarthria classification". UNB., 2002

[13] Pakhomov.S, Smith.GE, and Chacon.D, "Análisis computerizado del habla y el lenguaje para identificar correlaciones psicolingüísticas de la degeneración del lóbulo fronto- temporal " 2009.

[14] Hakkay-Tür.D, Vergyri.D, and Tur.G, "Valoración automática del estado cognitivo basada en el habla " 2010.

[15] Pakhomov.S, "Índices semánticos automáticos para la detección temprana de los cambios cognitivos," 2012.

[16] Folstein.M.F, Folstein.S.E, and Mchugh.P.R, Mini-Mental state: A Practical Method for Grading the Cognitive State of Patients for the Clinician vol. 12, 1975.

[17] (2004) Órgano Oficial de expresión de la Fundación OMIE, Avances en Salud Mental Relacional. Revista Internacional On-line.

[18] Darley.F.L, Aronson.A.E, and Brown.J.R, Motor speech disorders, 1975. [19] Kelma.A, A Milt Gross Comic Reader, 2010.

[20] "Grupo de Aplicaciones de Procesado de Señales," 2013.

[21] Boza.D.T, "Manual de Sistema de Grabación para el diagnóstico de Deterioro Cognitivo DCGrab v3.0," ed. Universidad de Santa Clara, 2013.

[22] Roark.P.H, "Análisis Computarizado del Habla y Lenguaje para Identificar Correlaciones Psicolingüísticas de Degeneración del Lobar de Fronto-temporal," 2012.

[23] Lehr.M, Shafran.I, and Roark.B, "Fully Automated Neuropsychological Assessment for Detecting Mild Cognitive Impairment," presented at the Annual Conference of International Speech Communication Association en Portland, 2012.

[24] Mertens.P. Transcription of prosody using pitch contour stylization based on a tonal perception model and automatic or annotation-based segmentation, 2012. Available:

http://bach.arts.kuleuven.be/pmertens/prosogram/

[25] Betancourt.G.A., "Las Maquinas de Soporte Vectorial (SVMs) ". Scientia Et Technica., 2012.

[26] Riobó.V, "Reconocimiento de localizaciones mediante Máquinas de Soporte Vectorial," Ingienería industrial, Universidad Carlos III de Madrid, España, 2011.

50 [27] Gutiérrez.E, "Aplicación de las Máquinas de Soporte Vectorial para el reconocimiento de

matrículas," Ingieneria Industrial, Universidad Pontificia Comillas, España, 2007.

[28] Thomas, C., Keselj, V., Cercone, N., Rockwood, K., Asp, E. "Automatic detection and rating of dementia of Alzheimer type through lexical analysis of spontaneous speech," Mechatronics and Automation, IEEE International Conference, vol. 3: 1569-1574, 2005. [29] Bucks, R. S., Singh, S., Cuerden, J.M., Wilcock, G.K. "Analysis of spontaneous,

conversational speech in dementia of Alzheimer type: Evaluation of an objective technique for analyzing lexical performance". Aphasiology, vol. 14: 71-91, 2002.