Descripción del proyecto
Cribado masivo a distancia de encéfalos envejecidos
Las poblaciones que envejecen tienen un mayor riesgo de padecer enfermedades neurodegenerativas (END), como la enfermedad de Alzheimer y la de Parkinson. Dado que los encéfalos envejecidos son muy propensos a padecer estas afecciones, es necesario realizar un diagnóstico eficaz. Los métodos actuales se basan en costosos electroencefalogramas y laboriosas series de pruebas neuropsicológicas,. por lo que es urgente actualizarlos para que la detección de END sea más eficaz. En el proyecto MULTI-LAND, financiado con fondos europeos, se abordará este problema a través de un marco interdisciplinario innovador único que utiliza marcadores de lenguaje natural con el apoyo del aprendizaje automático. Al combinarse con la primera validación intermetodológica (conductual, resonancia magnética funcional y electroencefalograma) y transcéntrica (América Latina y Europa) de los marcadores de lenguaje natural en pacientes con END, esto ayudará a optimizar el cribado masivo a distancia de las poblaciones que envejecen.
Objetivo
By 2030, people aged 65 and over are expected to account for more than 25% of the European population. This fact foreshadows a dramatic growth of aging-related neurodegenerative disorders (NDs), including Alzheimer's and Parkinson's disease. Critically, this scenario will place a severe strain on healthcare systems as NDs incapacitate patients, burden their families, and entail major costs of diagnostics evaluation, including time-consuming neuropsychological batteries and expensive brain scans. Though currently irreplaceable, this approach is often unaffordable and non-viable for remote application -a key requisite during pandemic lockdowns. Thus, these procedures must be complemented with urgent innovations that boost diagnosis and symptom severity detection using low-cost tools applicable to large sections of the population remotely. A promising interdisciplinary framework rooted in natural language markers (NLMs) can offer key solutions to this crisis. This novel framework is based on linguistic features derived from patient's natural speech and analysed via machine learning algorithms. NLMs are characterized by high ecological validity, minimal stress, low costs and adaptability for remote and massive screening. Despite the increasing application of NLMs in the field of mental health, their use in NDs evaluation is still scarce. Building on a unique synergy of international expertise, we will perform the first cross-methodological (behavioural, f/MRI, EEG) and cross-centre (Latin-America and Europe) validation of NLMs in patients with NDs. Specifically, we aim to: (1) establish NLMs diagnostic sensitivity, (2) unveil potential links between NLMs and brain network disruptions, (3) estimate their robustness and generalisation power. The ultimate translational goal of this project is to identify the best-performing set of NLMs to develop a frontline mobile-phone app with clinical value, capable of capturing natural speech features for remote patient evaluation.
Ámbito científico
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Palabras clave
Programa(s)
Régimen de financiación
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinador
20009 San Sebastian
España