Sobre el análisis de la señal de voz para el diagnóstico de la enfermedad de Parkinson

Resumen

Objetivo: Este estudio investiga si el posible sesgo en el sobremuestreo a través del enventanado de datos de marcha en individuos con enfermedad de Parkinson (EP) también ocurre en señales vocales. Un estudio previo planteó la hipótesis de que muestras distintas de un mismo individuo no deben tratarse independientemente, debido al riesgo de sesgar los modelos. Método: Utilizamos señales de voz de 24 individuos con EP y 8 sanos, y los algoritmos K-Nearest Neighbors (KNN), Support Vector Machine (SVM) y Random Forest (RF). La validación cruzada se realizó con Leave-one-out (LOOCV), adaptada para escenarios con y sin sesgo en los datos de entrenamiento. Resultados: Los modelos evaluados sin considerar el sesgo presentaron desempeños inflados, mientras que el enfoque riguroso mostró resultados más modestos. Conclusión: Las muestras del mismo individuo en entrenamiento y prueba pueden inflar el desempeño de los modelos. La correcta aplicación del sobremuestreo es crucial para desarrollar modelos confiables para el diagnóstico de EP.