LMLG NeuroSight

Detecció Integrada del Dèficit Cognitiu

Comment

LMLG NeuroSight: Detecció Integrada del Dèficit Cognitiu.

Inspiració

La inspiració del nostre projecte neix d'un repte crucial plantejat per ICOnnectat i l'ICO: La necessitat urgent d'una eina digital que pugui mesurar de manera ecològica i precisa les dificultats cognitives que experimenten entre el 15% i el 50% dels pacients amb càncer (el "Brain Fog" oncològic).

Les avaluacions neuropsicològiques actuals són invasives, consumeixen molt de temps i sovint no reflecteixen la realitat diària del pacient. El nostre objectiu és transformar aquesta detecció en un procés accessible des de casa, personalitzat i basat en dades objectives.

Què fa

LMLG NeuroSight és una plataforma innovadora d'intel·ligència artificial dissenyada per a la detecció integrada i el seguiment longitudinal del dèficit cognitiu en pacients oncològics. Ofereix un Perfil Cognitiu Unificat que combina:

  1. Anàlisi de la Parla: Mitjançant el nostre motor NLP, extreu 9 mètriques lingüístiques clau (coherència, densitat d'idees, desviació semàntica, etc.) a partir de tasques de parla diàries i entrades de diari.
  2. Tests Cognitius Objectius: Avaluacions gamificades que mesuren el rendiment en àrees com la memòria i l'atenció.
  3. Diari Subjectiu: Recull el feedback del pacient sobre les seves dificultats diàries.

Amb aquesta anàlisi multi-modal, NeuroSight no només detecta el dèficit, sinó que també proposa recursos psicoeducatius i tasques de rehabilitació cognitiva personalitzada, tancant el cicle des de l'avaluació fins a la intervenció.

Com ho hem construït

Vam construir LMLG NeuroSight sobre una arquitectura robusta i modular:

  • Backend: Utilitzem Python amb Flask per a la lògica de negoci i l'exposició de la nostra API RESTful.
  • Base de Dades: PostgreSQL amb tipus JSONB ens permet emmagatzemar eficientment les complexes estructures de les 9 mètriques lingüístiques i altres dades d'activitat, garantint consultes ràpides i la integritat del seguiment longitudinal.
  • Motor d'IA/NLP (Core LMLG Engine): Desenvolupat en Python, aquest mòdul processa les transcripcions de la parla per extreure les 9 mètriques clau, que serveixen com a biomarcadors digitals.
  • Generació de Dades Sintètiques: Per provar el sistema de manera extensiva, vam crear un script personalitzat que simula 90 dies d'interacció, incloent-hi patrons de deteriorament (pacient "Bernat") i millora, assegurant la coherència de les 9 mètriques a totes les entrades.

Desafiaments que vam trobar

Ens vam enfrontar a diversos desafiaments, alguns dels quals van ser:

  • Consistència de Dades Multi-Font: Assegurar que les 9 mètriques lingüístiques es generessin de manera lògica i consistent tant per a les transcripcions de veu com per als anàlisis de text del diari.
  • Simulació del Deteriorament Cognitiu: Modelar de manera realista el comportament d'un pacient amb deteriorament progressiu al llarg de 90 dies, mantenint la variabilitat natural però reflectint una tendència clínica plausible.
  • Complexitat del Modelat de Mètriques: La definició i simulació de cadascuna de les 9 mètriques NLP (coherència, desviació semàntica, densitat d'idees, etc.) va requerir un balanç delicat entre la precisió i la generació de dades massives.

Fites de les quals estem orgullosos

Estem especialment orgullosos de:

  • La Plataforma de Dades Unificada (9 Mètriques): Haver dissenyat i implementat un sistema on les 9 mètriques són la columna vertebral, garantint una visió coherent del perfil cognitiu del pacient a través de diverses interaccions.
  • El Motor de Simulació Longitudinal: El nostre script de generació de dades sintètiques que permet provar i validar la lògica de seguiment de 90 dies, un element crític per a una eina de monitoratge.
  • El Disseny de la Solució Ecològica: Hem conceptualitzat una eina que compleix amb el requisit principal d'ICO/ICOnnectat: una avaluació eficient, no invasiva i que es pot realitzar des de la comoditat de la llar del pacient.

Què hem après

Durant el desenvolupament de LMLG NeuroSight, hem après:

  • La importància crítica d'una estructura de dades robusta i consistent (JSONB en PostgreSQL) per a projectes que depenen de l'anàlisi longitudinal i mètriques complexes.
  • La rellevància de les mètriques lingüístiques com a biomarcadors digitals per a la detecció de dèficits cognitius en el context de malalties com el càncer.
  • Com dissenyar un sistema que no només detecti un problema, sinó que també faciliti una intervenció personalitzada i adaptativa.

Què ve després per a LMLG NeuroSight

El futur de LMLG NeuroSight és prometedor:

  • Integració d'ASR (Automatic Speech Recognition): Conectar el nostre motor NLP amb una solució de transcripció de veu real per a un pipeline complet i en temps real.
  • Desenvolupament de l'Algorisme d'Intervenció: Implementar la lògica d'IA que, basant-se en el perfil cognitiu unificat, recomani dinàmicament els recursos psicoeducatius i les tasques de rehabilitació més adequades.
  • Frontend per a Professionals i Pacients: Crear una interfície d'usuari intuïtiva que permeti als metges visualitzar les tendències de les 9 mètriques al llarg del temps.
Share this project:

Updates