La voce svela il ritmo nascosto dell’invecchiamento cerebrale

Ogni volta che parliamo produciamo molti più dati di quelli contenuti nelle parole. Ritmo, pause, frequenza fondamentale, timbro, modulazione emotiva convivono con ricchezza lessicale, densità semantica, coerenza e complessità sintattica. Ecco, la bella notizia è che l’architettura del parlato potrebbe diventare una nuova finestra computazionale sull’invecchiamento.

Si parla di Speech Clock, costruito attraverso modelli di machine learning supervisionato addestrati su caratteristiche acustiche e linguistiche, attraverso un progetto di ricerca che ha coinvolto 2.928 persone di lingua spagnola in Argentina, Cile, Colombia, Messico e Perù, includendo persone cognitivamente sane e soggetti con mild cognitive impairment, Alzheimer e differenti forme di demenza frontotemporale.

Viene definito Speech Age Gap (SAG), cioè la distanza tra età cronologica ed età stimata dall’algoritmo attraverso il parlato. Un SAG positivo descrive una voce che presenta un profilo relativamente più anziano rispetto all’età anagrafica della persona. L’AI, quindi, più che indovinare quanti anni abbiamo, costruisce una misura dello scarto tra due rappresentazioni dell’età.

L’AI, più che indovinare quanti anni abbiamo, costruisce una misura dello scarto tra due rappresentazioni dell’età.

Lo scarto incontra segnali provenienti da domini biologici differenti. Nei gruppi studiati, per esempio, il SAG mostra associazioni con brain clocks ricavati da neuroimaging strutturale e funzionale, con tre clock epigenetici basati sulla metilazione del DNA e, nei pazienti con Alzheimer, con p-tau217, biomarcatore plasmatico associato alla patologia. I valori dello Speech Age Gap distinguono inoltre i gruppi diagnostici e si associano a dimensioni cliniche e cognitive.

La voce comincia così ad apparire come qualcosa di più interessante di un dato biometrico e potrebbe essere interpretata come una superficie osservabile nella quale convergono processi distribuiti nell’organismo, come il controllo neuromuscolare, la respirazione, le funzioni cognitive, il linguaggio e l’organizzazione cerebrale e biologia sistemica.

Interessantissimo il SAG quando associato al social exposome, cioè all’accumulazione nel corso della vita delle condizioni sociali alle quali una persona è stata esposta. Minore istruzione, insicurezza alimentare, difficoltà economiche e ridotto accesso alle cure compaiono tra le condizioni associate a un profilo di invecchiamento vocale accelerato.

Occorre però fermarsi esattamente dove si fermano i dati. Lo studio è prevalentemente cross-sectional, ossia fotografa associazioni presenti oggi. Non dimostra ancora che una voce biologicamente più anziana possa predire il declino cognitivo futuro o anticipare una demenza. Si parla, infatti, di biomarker candidate e indicano la necessità di validazioni longitudinali.