L’afasia, un disturbo che compromette la capacità di comunicare, rappresenta una sfida significativa sia per chi ne è affetto sia per i clinici che cercano di fornire diagnosi e trattamenti efficaci. Tradizionalmente, la classificazione dell’afasia si basa su osservazioni cliniche che raggruppano i pazienti in categorie fisse in base ai sintomi osservati. Tuttavia, recenti progressi nella tecnologia e nell’analisi dei dati offrono nuove opportunità per affinare questo processo.

In particolare, l’uso di algoritmi di clustering non supervisionato (una tecnica per trovare “gruppi” omogenei a partire da una serie di parametri) per analizzare il discorso connesso (connected speech) promette di rivelare modelli nascosti e nuove categorie di afasia che potrebbero non emergere attraverso metodi di valutazione più tradizionali. Questa innovazione potrebbe trasformare il modo in cui comprendiamo e interveniamo sull’afasia, permettendo approcci più personalizzati e basati su evidenze concrete derivanti dall’analisi diretta del linguaggio dei pazienti.

Un recente articolo di Davida Fromm e colleghi[1] si concentra sul miglioramento della classificazione dell’afasia attraverso l’uso di algoritmi statistici per analizzare il discorso connesso. L’afasia, una condizione che influisce sulle capacità linguistiche, viene tipicamente suddivisa in categorie basate sui sintomi, ma questo studio propone un approccio basato su cluster identificati attraverso l’analisi del linguaggio prodotto.

Che cos’è il Connected Speech?

Il discorso connesso è una forma di comunicazione verbale in cui le parole sono pronunciate in sequenze fluide e continue per formare frasi e narrazioni complete. Questo tipo di discorso è caratterizzato dalla connessione logica e grammaticale tra le frasi, permettendo al parlante di esprimere pensieri complessi e interconnessi. È diverso dal linguaggio isolato, come quello che si potrebbe usare nell’elencazione di parole o nella risposta a domande semplici che non richiedono costrutti linguistici complessi.

Nel contesto clinico e neuropsicologico, il discorso connesso è particolarmente importante per valutare e trattare individui con disturbi del linguaggio, come l’afasia. Analizzare il discorso connesso aiuta a comprendere meglio la capacità del paziente di usare la lingua in modo funzionale e naturale, valutando aspetti come la coerenza, la coesione, la struttura grammaticale, la fluenza e la capacità di mantenere un tema o argomento. Questo tipo di analisi può fornire indicazioni preziose sulla natura e l’estensione del disturbo del linguaggio e può guidare le strategie di intervento per migliorare le competenze comunicative del paziente.

Punti chiave dell’articolo di Fromm e colleghi

  • Le tecniche di Clustering: Utilizzando il clustering non supervisionato, lo studio ha identificato sette cluster distinti di persone con afasia basati sulla loro produzione linguistica. Questo metodo permette di osservare nuove categorie e modelli di afasia che non sono legati alle classificazioni tradizionali.
  • Analisi dei dati: I dati sono stati raccolti dalla AphasiaBank, una banca dati con protocolli di discorso standardizzati. L’analisi ha incluso 168 partecipanti e utilizzato algoritmi come K-means e foreste casuali per classificare i tipi di afasia basandosi sulle caratteristiche del discorso come il numero totale di parole e l’uso di parole chiuse durante compiti narrativi come il racconto della storia di Cenerentola.
  • I risultati: I risultati hanno mostrato un alto grado di accordo (91%) tra le assegnazioni ai cluster e le valutazioni albero della classificazione basata su poche variabili linguistiche chiave. Questo suggerisce che certi aspetti del discorso possono essere particolarmente indicativi del tipo di afasia di un individuo.
  • Implicazioni cliniche: I risultati offrono nuove intuizioni per la ricerca e la pratica clinica, suggerendo che un approccio basato sull’analisi del discorso connesso potrebbe essere più informativo e utile nel differenziare le varie presentazioni di afasia rispetto ai metodi tradizionali basati esclusivamente su categorie fisse e sintomi isolati.

Applicazioni pratiche

  • Diagnosi e Trattamento: I clinici possono utilizzare questi nuovi cluster per affinare le diagnosi e personalizzare i trattamenti, concentrando l’attenzione su specifiche caratteristiche del discorso che distinguono differenti tipi di afasia.
  • Ricerca Futura: Lo studio apre la strada a ulteriori ricerche per esplorare come queste nuove categorie di afasia si correlano con le lesioni cerebrali e la risposta al trattamento.

Bibliografia

[1] Fromm, D., Greenhouse, J., Pudil, M., Shi, Y., & MacWhinney, B. (2022). Enhancing the Classification of Aphasia: A Statistical Analysis Using Connected Speech. Aphasiology36(12), 1492–1519.

I nostri corsi e Pdf sull’afasia