La dépression est une pathologie fréquente de la personne âgée. Certains symptômes de la dépression sont communs aux troubles neurocognitifs ce qui peut engendrer des erreurs diagnostiques. Pour différencier EDC et TNC débutants, il existe à ce jour peu d’outils d’aide diagnostique. L'analyse vocale et l'extraction de biomarqueurs vocaux pourraient être une nouvelle méthode non invasive d’aide au diagnostic.
Dans cette étude, nous avons inclus des patients âgés de plus de 60 ans avec un diagnostic de dépression et sans maladie neurodégénérative ou autres troubles psychiatriques. On leur a demandé d'effectuer deux tâches vocales : une fluence verbale sémantique et une description d'image qui ont été enregistrées. Ensuite, dans un deuxième temps, des caractéristiques vocales et prosodiques ont été extraites des fichiers audios à l'aide de méthodes de machine learning. Dans une dernière étape, nous avons comparé ces caractéristiques à celles d'une cohorte de patients avec un diagnostic de diagnostic de MCI sans aucun trouble de l'humeur. L'analyse automatique des tâches cognitives vocales telles que la fluidité verbale sémantique et la description de l'image pourrait être une solution rapide pour effectuer un dépistage précoce. L'analyse de la parole montre des résultats prometteurs et l’étude des caractéristiques prosodiques nécessitera d’être poursuivie.
Pour conclure, l’analyse automatique de la parole pourraient être un outil d'évaluation objectif supplémentaire pour différencier la dépression d'une déficience cognitive légère.