Canada Spends Logo

Explore our Budget 2026 analysis

Grant: Master's Award: Canada Graduate Scholarships

Université de Montréal

$17,500.00

Étude du potentiel du discours spontané comme outil de dépistage précoce de la maladie d'Alzheimer

FY 2021-22

Summary
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. Des changements subtils dans le langage pourraient apparaître plusieurs années avant que les signes d’un déclin cognitif ne soient remarqués, donc analyser ceux-ci pourrait faciliter le diagnostic précoce de la MA. Ces changements sont régulièrement étudiés à l’aide de tâches de discours spontané (DS), qui se rapprochent beaucoup des situations de communication de la vie quotidienne. Cependant, la nécessité d’analyser manuellement les résultats à ces tâches représente un obstacle à leur utilisation plus répandue par les cliniciens. Pour pallier à ce problème, plusieurs études ont démontré le potentiel de méthodes de traitement automatique du langage naturel et d’apprentissage machine. Ce projet aura comme objectif de classifier des contrôles et des individus avec un TCS ou un TCL selon leur groupe diagnostic à l’aide d’un échantillon de DS. De plus, l’importance de différentes catégories de caractéristiques linguistiques (ex., fluence, caractéristiques lexicales) pour la classification sera étudiée. Pour ce faire, les échantillons de DS de 120 individus (40 contrôles, 40 avec un TCS, 40 avec un TCL) seront tirés de la base de données COMPASS-ND. Pour classifier les échantillons de DS, des algorithmes Support Vector Machine et Random Forest Classifier seront utilisés. Les résultats de ce projet pourront améliorer la précision des diagnostics (TCS et TCL) et faciliter la conception d’outils qui aideront les cliniciens à évaluer le DS. Si les échantillons de DS sont efficaces pour différencier les individus des groupes étudiés, ce projet démontrera aussi le potentiel du DS pour la détection précoce de la MA.
Program
Master's Award: Canada Graduate Scholarships
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
CIHR Funding Decisions Database

As published

Id
466535
Name
Pellerin Sophie
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Prcname2
Special Cases - Awards Programs
Projecttitle
Étude du potentiel du discours spontané comme outil de dépistage précoce de la maladie d'Alzheimer
Programtype2
Studentship Programs
Orgnameinp2
Université de Montréal
Cihramount2
$17,500
Cihrequipment2
$0
Programname2
Master's Award: Canada Graduate Scholarships
Keyworddelim
Apprentissage Machine Supervisé; Classification; Diagnostic Précoce; Discours Spontané; Maladie D'Alzheimer; Traitement Automatique Du Langage Naturel; Trouble Cognitif Léger; Trouble Cognitif Subjectif
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. Des changements subtils dans le langage pourraient apparaître plusieurs années avant que les signes d’un déclin cognitif ne soient remarqués, donc analyser ceux-ci pourrait faciliter le diagnostic précoce de la MA. Ces changements sont régulièrement étudiés à l’aide de tâches de discours spontané (DS), qui se rapprochent beaucoup des situations de communication de la vie quotidienne. Cependant, la nécessité d’analyser manuellement les résultats à ces tâches représente un obstacle à leur utilisation plus répandue par les cliniciens. Pour pallier à ce problème, plusieurs études ont démontré le potentiel de méthodes de traitement automatique du langage naturel et d’apprentissage machine. Ce projet aura comme objectif de classifier des contrôles et des individus avec un TCS ou un TCL selon leur groupe diagnostic à l’aide d’un échantillon de DS. De plus, l’importance de différentes catégories de caractéristiques linguistiques (ex., fluence, caractéristiques lexicales) pour la classification sera étudiée. Pour ce faire, les échantillons de DS de 120 individus (40 contrôles, 40 avec un TCS, 40 avec un TCL) seront tirés de la base de données COMPASS-ND. Pour classifier les échantillons de DS, des algorithmes Support Vector Machine et Random Forest Classifier seront utilisés. Les résultats de ce projet pourront améliorer la précision des diagnostics (TCS et TCL) et faciliter la conception d’outils qui aideront les cliniciens à évaluer le DS. Si les échantillons de DS sont efficaces pour différencier les individus des groupes étudiés, ce projet démontrera aussi le potentiel du DS pour la détection précoce de la MA.
Competitiondate
202112
Approvedterm2
1 yr 0 mth
Pinamesdelim
Pellerin, Sophie
Approvedterm
1 an 0 mois
Cihrcontribution2
~ $17,500~ $0~