Clasificación automática de disartria como prediagnóstico. Caso Refracted Speech

Abstract

La disartria es un trastorno del habla provocado por afecciones neurológicas que compromete la comunicación verbal, dificultando la calidad de vida de las personas. Su detección temprana es fundamental para iniciar un tratamiento adecuado, pero el diagnóstico suele requerir evaluaciones clínicas especializadas. Este trabajo presenta un modelo de predicción de disartria basado en grabaciones de voz, como apoyo a un sistema de prediagnóstico automatizado. El objetivo es desarrollar un clasificador eficaz que se integre en la aplicación Refracted Speech, pensada para asistir en el seguimiento terapéutico. Para ello, se aplicaron técnicas de aprendizaje automático y extracción de características acústicas (MFCC, jitter, shimmer), evaluando distintos clasificadores. Los resultados obtenidos muestran que el modelo alcanza un rendimiento competitivo en métricas como precisión y sensibilidad, evidenciando su potencial como herramienta complementaria en contextos clínicos.

Dysarthria is a speech disorder caused by neurological conditions that compromise verbal communication, hindering people’s quality of life. Early detection is essential for initiating appropriate treatment, but diagnosis often requires specialized clinical evaluations. This work presents a dysarthria prediction model based on voice recordings, as support for an automated prediagnosis system. The objective is to develop an effective classifier that is integrated into the Refracted Speech application, designed to assist in therapeutic follow-up. To this end, machine learning and acoustic feature extraction techniques (MFCC, jitter, shimmer) are applied, evaluating different classifiers. The results obtained show that the model achieves competitive performance in metrics such as precision and recall, demonstrating its potential as a complementary tool in clinical contexts.