Análisis semántico en sujetos con enfermedad de Alzheimer, usando Inteligencia Artificial

Resumen

En los últimos años, han surgido numerosas investigaciones enfocadas en identificar rasgos de deterioro cognitivo utilizando audio de pruebas neuropsicológicas mediante herramientas de Inteligencia Artificial. Desafortunadamente, los modelos que presentan mejor desempeño requieren una gran cantidad de datos y no son explicables debido a la complejidad de los modelos. Dados estos inconvenientes, en este trabajo se analizan diferentes modelos de vectorización de oraciones pre entrenados en las transcripciones de la base de datos Pitt Corpus con la intención de obtener el mejor modelo para esta tarea. Asimismo, se proponen nuevos elementos para analizar características semánticas en sujetos con enfermedad de Alzheimer. Se obtuvieron mejores resultados: 0.8712 de exactitud, 0.8729 de precisión, 0.8712 de exhaustividad y 0.8709 de puntaje F1 usando RoBERTa como modelo para vectorizar oraciones y SVM como clasificador en conjunto con las cuatro características del lenguaje: palabras clave, circunloquios, complejidad del texto y similitud con texto de ejemplo. Las pruebas muestran que las características del lenguaje propuestas aumentaron los resultados de la clasificación, siendo las palabras clave la más importante de éstas.