L’utilisation du discours spontané pour le diagnostic précoce de la maladie d’Alzheimer

Abstract

Le trouble cognitif subjectif (TCS) et le trouble cognitif léger (TCL) font partie des phases préclinique et prodromale de la maladie d’Alzheimer (MA), respectivement, et constituent des facteurs de risque de progression vers la MA. Comme des changements subtils dans le langage pourraient être observables plusieurs années avant que les signes d’un déclin cognitif ne soient remarqués, ceux-ci pourraient être utilisés pour faciliter le diagnostic précoce de la MA. Les tâches de discours spontané (DS) sont particulièrement appropriées pour étudier ces changements, car elles se rapprochent beaucoup des situations auxquelles les gens sont confrontés au quotidien. Plusieurs études ont démontré des déficits dans le DS des individus avec un TCL et de plus en plus d’études se penchent sur les caractéristiques linguistiques du DS dans le TCS. La nécessité d’analyser manuellement les résultats aux tâches de DS représente un obstacle à leur utilisation plus répandue dans un contexte clinique. Pour atténuer cet inconvénient, plusieurs études ont démontré le potentiel de méthodes de traitement automatique du langage naturel et de classification d’apprentissage machine. En plus de faire une synthèse de ces études, cet article passe en revue les différents types de tâches de DS utilisées dans la littérature et les résultats d’études au sujet des caractéristiques linguistiques du DS dans le TCS et le TCL.

Subjective Cognitive Decline (SCD) and Mild Cognitive Impairment (MCI) are part of the preclinical and prodromal Alzheimer’s Disease (AD) phases, respectively and represent risk factors for progression to AD. Subtle changes in language abilities could be apparent many years before signs and symptoms of cognitive decline are noticed by an individual and/or their family and friends, and could potentially be used to facilitate the early diagnosis of AD. Connected Speech (CS) tasks are particularly well suited to study these linguistic changes because they share many similarities with the communication situations that individuals encounter in their everyday lives. Many studies have highlighted deficits in the CS of individuals with MCI and more and more studies are investigating the CS characteristics of individuals with SCD. The need to analyse CS manually currently represents a barrier to a more widespread use of CS tasks in a clinical environment. To overcome this barrier, many studies have shown the potential of Natural Language Processing and Machine Learning Classification computational methods. In addition to synthesizing these studies’ findings, this article will review the different types of CS tasks used in the literature (picture description tasks, narrative tasks, interviews) and the results of studies on the characteristics of CS in SCD and MCI. The linguistic characteristics reviewed in this article are broken down into six categories: speech production, fluency, lexical, semantic, syntactic, and pragmatic characteristics.