La disfunción bulbar (problema en el habla y la deglución) es uno de los síntomas habituales de la ELA que hace su aparición en los inicios de la enfermedad cuando se trata de una ELA Bulbar o en las etapas posteriores cuando es Espinal. Desde el Grupo de Computación Distribuida de la Universitat de Lleida y el Centro Internacional de Métodos Numéricos (Barcelona) han demostrado que se puede detectar precozmente la afección bulbar usando parámetros acústicos obtenidos analizando vocales.

En Inteligencia Artificial (IA) es necesario obtener características, propiedades o signos diferenciales para poder realizar clasificaciones. Esto se consigue mediante algoritmos de aprendizaje automático, que es el campo de IA utilizado en esta investigación sobre la ELA.

En este caso el aprendizaje automático se aplicó al diagnóstico de una enfermedad, la afección bulbar, teniendo en cuenta las características de voz propias del individuo. En este experimento se demostró que los aspectos a analizar eran la fluctuación, brillo, relación armónica-ruido y tono de los sonidos vocálicos.

La prueba se realizó con 45 pacientes con ELA y 18 participantes que no la padecían para poder así hacer comparaciones. En cuanto a los sonidos se escogieron las vocales (en español) puesto que son las más importantes en el habla de cualquier idioma.

Para este caso se emplearon varios algoritmos de aprendizaje automático. El algoritmo SVM ofreció el mayor rendimiento, obteniendo una precisión del 95,8%. Es decir, detectó con un 95,8% si un participante en el estudio tenía afección bulbar.

Otro resultado interesante fue que, en algunos casos, los modelos de aprendizaje automático superaron en eficiencia el diagnóstico del especialista. Los resultados demuestran que podemos estar ante una herramienta adecuada para ayudar a equipos clínicos multidisciplinares a mejorar el diagnóstico de la ELA.