Diagnóstico de la enfermedad de Parkinson usando deep learning y grabaciones de voz mediante teléfono móvil

La enfermedad del Parkinson (EP) es un desorden neurodegenerativo crónico del que se desconoce la causa. Es la segunda enfermedad neurodegenerativa más común y se espera que para 2050 el número de diagnosticados se triplique. Sus síntomas, además de temblores, rigidez muscular o falta de equilibrio, comprenden trastornos en la voz y el habla en fases tempranas de la enfermedad. Su proceso de diagnosis y seguimiento, hoy en día, es lento y complicado al no existir ninguna prueba específica. En su defecto, el personal sanitario tiene que evaluar concienzudamente el historial clínico, síntomas y exámenes físicos y neurológicos de cada paciente, y ofrecer un diagnóstico a menudo poco preciso. Es por ello, que se estima que hasta un 25% de los diagnosticados como enfermos de Parkinson realmente padecen otra enfermedad, es decir, el proceso actual provoca numerosos falsos positivos. En los últimos años se ha desarrollado mucha investigación dirigida al uso del análisis de la voz como método de diagnosis y seguimiento de la enfermedad de Parkinson. Técnicas de minería de datos aplicadas a características vocales, extraídas de grabaciones realizadas en condiciones controladas, han permitido la discriminación entre enfermos y sanos con altas tasas de éxito y proponer el análisis de voz para el seguimiento de la enfermedad. Los importantes avances en TIC han abierto la posibilidad del seguimiento online de la enfermedad mediante el análisis de grabaciones de voz recogidas con teléfonos móviles, que permiten disponer de datos de un gran número de pacientes. Con todo esto, mi Proyecto de Fin de Grado pretende dar una alternativa al diagnóstico actual de la enfermedad a través de grabaciones de voz de los pacientes. En este proyecto se han utilizado los datos de la actividad de voz de mPower, que entre otras cosas incluye más de 64000 grabaciones de voz, para discriminar enfermos de Parkinson y controles mediante un análisis básico de los datos, una extracción de características y la aplicación de algoritmos de minería de datos y de aprendizaje profundo. Este avance supone una mejora considerable en la vida de las personas al proponer un diagnóstico y seguimiento más preciso de la enfermedad sin necesidad de acudir asiduamente a los centros médicos. Abstract: Parkinson's disease (PD) is a chronic neurodegenerative disorder whose cause is unknown. It is the second most common neurodegenerative disease and it is expected that by 2050 the number of diagnosed will triple. Its symptons, in addition to tremors, muscle rigidity or lack of balance, include disorders in the voice and speech in early phases of the disease. Its process of diagnosis and monitoring, nowadays, is slow and complex because there is no specic test. Failing this, health personnel must thoroughly evaluate the clinical history, symptoms and physical and neurological examinations of each patient, and propose a diagnosis that is often not very precise. That is why it is estimated that up to 25% of those diagnosed as Parkinson's patients actually suffer from another illness, in other words, the current process causes numerous false positives. In recent years, much research has been conducted aimed at the use of voice analysis as a method of diagnosis and monitoring of Parkinson's disease. Data mining techniques applied to vocal characteristics, extracted from recordings made under controlled conditions, have allowed discrimination between sick and healthy people with high success rates and propose voice analysis for the monitoring of the disorder. Important advances in ICT have opened the possibility of online monitoring of the disease through the analysis of voice recordings collected with mobile phones, which allow having data from a large number of patients. With all this, my end-of-degree project aims to provide an alternative to the current diagnosis of the illness through voice recordings of patients. In this project we have used mPower voice activity data, which among other things includes more than 64,000 voice recordings, to discriminate Parkinson's patients and controls through a basic analysis of the data, a feature extraction and the application of data mining and deep learning algorithms. This advance represents a considerable improvement in the lives of people by proposing a diagnosis and more accurate monitoring of the disorder without having to go frequently to medical centers