Automated Assessment of Hypernasality in Motor Speech Disorders Using Nasal Cognate Distinctiveness and Nasal Posterior Probability

Cuando una persona habla, el paladar blando en la parte posterior de la boca actúa como una compuerta, dirigiendo el aire ya sea a través de la nariz o de la boca. En una voz sana, esta compuerta se cierra herméticamente para la mayoría de los sonidos, abriéndose solo para letras específicas como la "m", la "n" y la "ng". Sin embargo, para las personas con trastornos del habla motor, condiciones en las que el cerebro tiene dificultades para coordinar los músculos necesarios para el habla, esta compuerta puede no cerrarse correctamente. El resultado es la hipernasalidad, una condición en la que demasiado aire se escapa a través de la nariz durante sonidos que deberían ser puramente orales, otorgando a la voz una cualidad hueca distintiva. Aunque los patólogos del habla pueden escuchar esta diferencia, a menudo tienen dificultades para medirla con precisión. Depender únicamente del oído humano puede ser inconsistente, lo que dificulta el seguimiento de si un paciente está mejorando con el tiempo o de comparar la gravedad de la condición entre diferentes personas. Para resolver esto, los investigadores han comenzado a desarrollar herramientas automatizadas que escuchan las grabaciones de voz y calculan exactamente cuánta resonancia nasal está presente, convirtiendo una impresión subjetiva en un número objetivo.

Un equipo de investigadores se propuso probar dos métodos automatizados específicos diseñados para detectar esta fuga nasal. Querían saber si estas medidas computarizadas podían reflejar con precisión la gravedad de la hipernasalidad en pacientes con trastornos del habla motor. El primer método, llamado Distintividad de Cognados Nasales, se centra en pares de sonidos que son casi idénticos excepto por el hecho de que uno es nasal y el otro no. Por ejemplo, el sonido "p" es una oclusiva sorda, mientras que la "m" es su pareja nasal. La computadora analiza qué tan claramente distingue un hablante estos pares; si el hablante tiene hipernasalidad, la "p" comienza a sonar demasiado como una "m", y la computadora detecta este desdibujamiento. El segundo método, conocido como probabilidad posterior nasal, utiliza un modelo computacional más avanzado entrenado en las reglas del lenguaje para estimar la probabilidad de que cualquier sonido dado contenga energía nasal. A diferencia del primer método, que tradicionalmente se centraba solo en consonantes oclusivas como la "p", "t" y "k", este segundo enfoque fue probado en una gama más amplia de sonidos, incluyendo otras consonantes e incluso vocales, para ver si la señal nasal se extiende más allá de los sospechosos habituales.

Para poner estas herramientas a prueba, los investigadores recopilaron grabaciones de voz a nivel de oración de 561 personas. Este grupo incluyó a 374 individuos con función neurológica típica para servir como línea base, y 187 pacientes diagnosticados con trastornos del habla motor. Cada grabación también fue calificada por patólogos del habla entrenados, quienes asignaron una puntuación de severidad basada en su juicio profesional. Los investigadores luego ejecutaron los análisis automatizados en las grabaciones, buscando patrones. Encontraron que, a medida que los expertos humanos calificaban la hipernasalidad como más severa, la primera medida, la Distintividad de Cognados Nasales, generalmente disminuía, indicando que la distinción entre los sonidos orales y nasales se volvía más difícil de detectar. Al mismo tiempo, la segunda medida, la probabilidad posterior nasal, aumentaba, señalando una mayor presencia de energía nasal. Los datos mostraron que estos cambios no eran aleatorios; seguían de cerca las calificaciones humanas de severidad.

El estudio también investigó si estas medidas automatizadas podían distinguir entre un hablante que no tenía hipernasalidad y uno que sí la tenía. Cuando los investigadores compararon el desempeño de los dos métodos, encontraron que ambos eran bastante efectivos para hacer esta distinción. El método centrado en pares de sonidos y el método que analiza la probabilidad de rasgos nasales lograron tasas de éxito similares al separar a los dos grupos. Quizás de manera más sorprendente, los investigadores descubrieron que el segundo método funcionaba tan bien cuando se aplicaba a las vocales como cuando se aplicaba a las consonantes. Este hallazgo desafía la antigua suposición de que los problemas nasales solo son visibles en sonidos oclusivos específicos. Los datos mostraron que la señal nasal está presente y es medible en todo el espectro del habla, desde los bordes afilados de las consonantes hasta el flujo suave de las vocales, mostrando ambos tipos de sonidos la misma fuerte relación con la gravedad de la condición.

Para asegurar que estas herramientas fueran lo suficientemente confiables para su uso en el mundo real, el equipo también verificó si las mediciones se mantendrían consistentes si una persona pronunciaba la misma oración dos veces. Grabaron a 20 controles sanos en dos ocasiones separadas y compararon los resultados. El análisis mostró que, para la gran mayoría de estas grabaciones repetidas, las mediciones se mantuvieron estables, con solo un número muy pequeño de casos que mostraron un cambio lo suficientemente grande como para ser considerado una diferencia real en lugar de una variación normal. Este paso proporcionó un punto de referencia crucial para entender cuánto debe cambiar una puntuación antes de que un clínico pueda estar seguro de que la condición de un paciente realmente ha mejorado o empeorado. El estudio concluye que ambos enfoques automatizados ofrecen formas válidas y objetivas de medir la hipernasalidad. Capturan la misma realidad acústica subyacente y proporcionan una alternativa consistente y basada en datos al depender únicamente del oído humano, ofreciendo un camino más claro para comprender y rastrear los trastornos del habla motor.