O avanço dos algoritmos de aprendizado de máquina tem sido promissor no auxílio diagnóstico e
classificação de doenças, incluindo a afasia, um distúrbio de articulação e/ou compreensão da linguagem,
causado por lesão em uma ou mais áreas cerebrais responsáveis pela linguagem.
Entretanto, os modelos de classificação estão mais voltados para utilização de imagens de tomografia
computadorizada e ressonância magnética. Tais recursos são invasivos e de custo elevado. Dessa forma,
este trabalho tem por objetivo produzir uma aplicação de auxílio diagnóstico da afasia que faz uso de
gravação de voz e análise de características de acústicas de pacientes afásicos e não afásicos. Para isso,
dados de pacientes fluentes o idioma inglês foram utilizados para treinar algoritmos de aprendizado de
máquina clássico e aprendizado profundo. A partir da análise dos dados e algoritmos é verificado que
arquiteturas de aprendizado profundo tendem a ser mais adequadas para a proposta do trabalho.