Datos cognitivos longitudinales multimodales para I+D en CNS.
Marcadores cognitivos derivados de NLP (TTR, MLU, coherencia, densidad de ideas) validados frente a MoCA / MMSE, con mayor sensibilidad al cambio temprano.
Puntos de datos diarios frente a visitas clínicas trimestrales. Siga la eficacia del fármaco con resolución semanal en vez de esperar 3-6 meses a la siguiente evaluación.
Datos naturalistas de entornos domésticos, no condiciones artificiales de laboratorio. Validez ecológica para envíos de evidencia del mundo real a FDA / EMA.
Señal continua derivada de voz en los tres pilares CNS.
Estado de ánimo
Estado afectivo inferido de rasgos vocales, marcadores léxicos y autoinforme: diario, con línea base por sujeto.
Cognición
Índice Cognitivo compuesto a través de recuerdo, fluidez, orientación e interacción, con tendencias a 7, 30 y 90 días.
Adherencia
Adherencia a medicación confirmada en dos direcciones, con marcas de tiempo de dosis omitidas y correlaciones posteriores con síntomas.
Por qué los datos naturalistas lo cambian todo.
Las herramientas cognitivas digitales existentes dependen de pruebas estructuradas. Amigo captura datos de conversaciones diarias naturales: sin ansiedad de prueba, sin efectos de práctica, sin carga para el paciente.
| Dimensión | Amigo | Herramientas de prueba estructuradas |
|---|---|---|
| Método de captura | Conversación diaria libre | Tareas cognitivas guiadas (dibujo del reloj, descripción de imagen, juegos de cartas) |
| Frecuencia | Diaria: cada conversación es un punto de datos | Semanal a trimestral: sesiones programadas |
| Carga del paciente | Cero: la conversación es el producto (compañía) | Requiere participación activa en un protocolo de prueba |
| Efectos de práctica | Ninguno: no hay estructura repetida que aprender | Las puntuaciones mejoran con la exposición repetida |
| Ansiedad de prueba | Ninguna: captura integrada en una rutina diaria agradable | La ansiedad de desempeño puede sesgar resultados |
| Validez ecológica | Alta: habla real en el hogar | Baja a moderada: condiciones artificiales |
| Modalidades de datos | Lingüística + acústica + conductual + emocional | Normalmente 1-2 dimensiones por herramienta |
| Adherencia | Alta: los mayores quieren hablar | Abandono con el tiempo por fatiga de pruebas |
| Profundidad longitudinal | Cientos de sesiones por sujeto durante meses | Decenas de sesiones en el mejor caso |
| Coste por punto de datos | Marginal: sin personal clínico ni provisión de dispositivos | Más alto: administración supervisada o dispositivos dedicados |
“Herramientas de prueba estructuradas” se refiere a plataformas digitales de evaluación cognitiva basadas en pruebas guiadas, una categoría que requiere participación activa del paciente.
De voz natural a datasets estructurados listos para investigación.
Cada paso está diseñado y operado internamente, con versionado explícito en cada etapa y trazabilidad completa de cómo se produjo cada punto de datos.
31 variables estructuradas por sesión.
A través de dimensiones cognitivas, vocales, conductuales, emocionales y clínicas. Esquema versionado y diccionario de datos entregado con cada exportación.
| Field | Type | Example | Category |
|---|---|---|---|
| subject_id | string | anon_8f3a2c | ID |
| session_date | date | 2026-02-28 | ID |
| call_duration_seconds | int | 540 | Session |
| word_count | int | 312 | Cognitive |
| type_token_ratio | float | 0.68 | Cognitive |
| mean_utterance_length | float | 8.4 | Cognitive |
| words_per_minute | float | 98 | Cognitive |
| repetition_rate | float | 0.05 | Cognitive |
| coherence_score | int (1-10) | 8 | Cognitive-AI |
| idea_density_score | int (1-10) | 7 | Cognitive-AI |
| word_finding_score | int (1-10) | 9 | Cognitive-AI |
| composite_score | int (0-1000) | 742 | Cognitive |
| participation_ratio | float | 0.45 | Behavioral |
| turn_count | int | 24 | Behavioral |
| engagement_quality | enum | good | Behavioral |
| mood_primary | enum (5) | positive | Mood |
| mood_intensity | int (0-10) | 7 | Mood |
| alert_triggered | bool | false | Alert |
| alert_nature | enum | null | Alert |
| alert_severity | enum | null | Alert |
| f0_mean_hz | float | 185.3 | Voice |
| f0_std_hz | float | 28.7 | Voice |
| jitter_percent | float | 1.12 | Voice |
| shimmer_percent | float | 3.45 | Voice |
| hnr_db | float | 18.2 | Voice |
| speech_rate | float | 3.8 | Voice |
| pause_rate | float | 0.22 | Voice |
| mean_pause_duration_ms | int | 680 | Voice |
| composite_z_score | float | +0.3 | Baseline |
| baseline_sessions | int | 12 | Baseline |
| trend | enum | stable | Baseline |
Desglose de cohorte
Distribución de perfiles clínicos en el dataset
Distribución de métricas
Histograma de muestra de puntuaciones de coherencia evaluadas por IA
Evolución de frecuencia vocal
Media F0 (Hz) durante 24 semanas: un sujeto
Qué produce cada conversación.
Cada llamada genera una instantánea estructurada multidimensional. Versionada, sellada en el tiempo y trazable en su linaje.
Marcadores cognitivos NLP
Métricas lingüísticas cuantitativas de patrones de habla mediante el pipeline NLP determinista de Amigo.
Puntuaciones cognitivas IA
Función lingüística de orden superior puntuada por el Amigo Cognitive Engine, calibrada frente a escalas clínicas.
Biomarcadores vocales y acústicos
Rasgos prosódicos y espectrales extraídos del audio bruto. Marcadores validados para depresión, Parkinson y deterioro cognitivo.
Métricas conductuales
Dinámicas de interacción, participación y compromiso que revelan patrones conductuales en el tiempo.
Ánimo y afecto
Clasificación de ánimo en 5 clases con puntuación continua de intensidad y contexto emocional a nivel sesión.
Alertas clínicas
Detección estructurada de marcadores de depresión, confusión cognitiva, quejas físicas y señales de seguridad.
Líneas base longitudinales
Líneas base intraindividuales con z-score para seguimiento de trayectoria personal y detección de cambios.
Una conversación. Un registro estructurado.
Cada registro representa una sesión. Disponible en JSON, CSV o Parquet, con diccionario de datos versionado y linaje de auditoría adjunto.
{
"subject_id": "anon_8f3a2c",
"age_band": "75-79",
"session_date": "2026-02-28",
"call_duration_seconds": 540,
"cognitive": {
"word_count": 312,
"type_token_ratio": 0.68,
"mean_utterance_length": 8.4,
"repetition_rate": 0.05,
"words_per_minute": 98,
"coherence_score": 8,
"idea_density_score": 7,
"word_finding_score": 9,
"composite_score": 742
},
"voice": {
"f0_mean_hz": 185.3,
"f0_std_hz": 28.7,
"jitter_percent": 1.12,
"shimmer_percent": 3.45,
"hnr_db": 18.2,
"speech_rate": 3.8,
"pause_rate": 0.22,
"mean_pause_duration_ms": 680
},
"behavioral": {
"participation_ratio": 0.45,
"turn_count": 24,
"engagement_quality": "good",
"user_speech_duration_s": 245
},
"mood": {
"primary": "positive",
"intensity": 7
},
"alert": {
"triggered": false,
"nature": null,
"severity": null
},
"baseline_delta": {
"composite_z_score": +0.3,
"sessions_in_baseline": 12,
"trend": "stable"
}
}Basado en investigación revisada por pares.
Correlaciones internas preliminares con escalas clínicas establecidas. Validación externa multicéntrica en curso.
Correlaciones métrica ↔ escala clínica
Preliminar · cohorte interna de validación (N = 120)
| Amigo metric | Scale | r | Direction |
|---|---|---|---|
| Composite Score | MoCA | 0.72 | ↑↑ |
| Type-Token Ratio | MMSE | 0.65 | ↑↑ |
| Idea Density | MoCA | 0.68 | ↑↑ |
| Word Finding Score | BNT | 0.71 | ↑↑ |
| Repetition Rate | MMSE | -0.58 | ↑↓ |
| Pause Rate | MoCA | -0.54 | ↑↓ |
| F0 Std (Hz) | GDS | -0.49 | ↑↓ |
| Mood Intensity | GDS | -0.61 | ↑↓ |
| Jitter | UPDRS-III | 0.52 | ↑↑ |
| Speech Rate | MoCA | 0.47 | ↑↑ |
Metodología de validación
- 1
Paired assessment: Subjects completed standard clinical scales (MoCA, MMSE, GDS, BNT) within 48h of Amigo conversation sessions.
- 2
Pearson correlation: Each metric was correlated with the clinically closest scale at subject level, controlling for age and education.
- 3
Longitudinal sensitivity: Change scores over 6 months vs. clinical re-assessment — Amigo composite detected decline 4–8 weeks earlier than quarterly MoCA.
Basado en investigación publicada
- →
Type-Token Ratio decline as MCI marker — Bucks et al., 2000; Forbes-McKay & Venneri, 2005
- →
Idea density predicting AD onset — Snowdon et al. (Nun Study), 1996
- →
Pause patterns and speech rate in cognitive decline — Hoffmann et al., 2010; Roark et al., 2011
- →
F0 and jitter as depression biomarkers — Cummins et al., 2015; Low et al., 2011
- →
Vocal shimmer / HNR in Parkinson's disease — Tsanas et al., 2012; Rusz et al., 2011
- →
Spontaneous speech analysis for dementia screening — Fraser et al., 2016; Luz et al., 2020
Buscamos socios académicos y farmacéuticos para estudios de validación multicéntricos.
Dónde se están usando los datos.
En enfermedad neurodegenerativa, psiquiatría geriátrica, desarrollo clínico de fármacos y evidencia del mundo real.
Detección temprana de Alzheimer y demencia
Entrene modelos con marcadores lingüísticos sutiles que preceden el diagnóstico clínico por meses o años. Las líneas base longitudinales habilitan detección de cambios intra-sujeto.
Endpoints digitales para ensayos clínicos
Instantáneas cognitivas continuas como endpoints digitales para ensayos Fase II-III. Resolución semanal frente a MMSE trimestral: mayor sensibilidad al cambio y menor carga del paciente.
Depresión geriátrica y aislamiento social
Trayectorias longitudinales de ánimo, patrones de caída de interacción y frecuencia de alertas para estudiar inicio de depresión, aislamiento social y efectividad de intervenciones.
Evidencia del mundo real para regulación
Datos naturalistas y continuos de hogares reales. Ideales para vigilancia post-comercialización FDA / EMA, expansión de etiqueta y paquetes de evidencia del mundo real.
Investigación de biomarcadores vocales y acústicos
Siga descenso de F0, evolución de jitter / shimmer y cambios de patrones de pausa durante meses. Marcadores vocales validados para cribado de depresión, seguimiento de Parkinson y cambio cognitivo temprano.
Validación de biomarcadores lingüísticos y de habla
Valide rasgos lingüísticos computacionales y acústicos frente a escalas clínicas cognitivas establecidas. Los datos pareados métrica + puntuación permiten validación multimodal robusta.
Creado para las poblaciones que los ensayos CNS alcanzan con más dificultad.
La adquisición voice-first elimina gran parte de la fricción que limita la captura de endpoints digitales en poblaciones mayores o cognitivamente vulnerables.
Depresión geriátrica
Señal diaria de ánimo entre visitas al centro, con alertas de señales débiles.
DCL y Alzheimer temprano
Marcadores cognitivos longitudinales sin pruebas formales repetidas.
Parkinson y trastornos motores
Rasgos basados en habla e informes de adherencia en entorno doméstico.
Esquizofrenia y bipolaridad
Señales diarias de afecto e interacción entre contactos clínicos.
Dolor y long-COVID
Seguimiento de síntomas e impacto reportados por paciente mediante conversación natural.
Estudios cuidador / díada
Captura paralela de señal de informantes familiares cuando corresponde.
Diseñado para encajar en el stack de investigación que ya opera.
Adquisición solo por voz
Sin wearables, sin apps, sin carga para el participante. La cohorte contesta un teléfono: eso es todo.
Flujo de datos API-first
Exportación de series temporales por participante a su data lake. Compatible con REDCap y mapeos CDISC estándar bajo solicitud.
Registro de grado auditoría
Cada llamada, transcripción, puntuación, alerta y evento de acceso queda sellado en el tiempo, inmutable y exportable.
Postura regulatoria
Controles alineados con HIPAA, acceso basado en roles, cifrado en tránsito y reposo, BAA disponible, hoja de ruta 21 CFR Parte 11 bajo solicitud.
Diseñado para las hipótesis que sponsors e IRB ya sostienen.
Acceso flexible a datos, adaptado a su programa.
Dataset estático
Exportación histórica única. Ideal para análisis exploratorio, entrenamiento de modelos y estudios de factibilidad.
- Full historical cohort
- CSV / Parquet / JSON
- Data dictionary included
Feed de datos en vivo
Acceso API continuo con incrementos diarios. Para monitorización clínica y diseños de ensayo adaptativos.
- Real-time API access
- Daily incremental updates
- Webhook notifications
- SLA-backed uptime
Alianza de investigación
Protocolo codiseñado con métricas personalizadas, criterios de cohorte específicos y derechos de publicación conjunta.
- Custom NLP pipelines
- Targeted cohort selection
- Joint publication
- Dedicated data engineer
Obtenga un dataset de muestra con 1.000 sesiones anonimizadas.
Sin compromiso. Evalúe los datos antes de cualquier conversación de licencia. Volveremos con una valoración de encaje para su protocolo en cinco días hábiles.