Evaluación clínica automática del comportamiento de la deglución y diagnóstico de la aspiración silente mediante...

La disfagia es más frecuente en afecciones como el accidente cerebrovascular, la enfermedad de Parkinson y el cáncer de cabeza y cuello. Esto puede derivar en neumonía, asfixia, malnutrición y deshidratación. Actualmente, el estándar de oro para el diagnóstico utiliza imágenes radiológicas, concretamente el estudio videofluoroscópico de la deglución (VFSS); sin embargo, es costoso y requiere instalaciones especializadas y personal capacitado. Aunque diversos dispositivos intentan solucionar estas limitaciones, ninguno ofrece la calidad y precisión de grado clínico del VFSS. En este trabajo, el estudio presenta un sistema wearable multimodal inalámbrico con aprendizaje automático para la evaluación clínica automática y precisa del comportamiento de la deglución y el diagnóstico de aspiraciones silentes en pacientes con disfagia. El dispositivo incluye un electrodo con estructura de kirigami que suprime los cambios en la impedancia del contacto cutáneo causados por los movimientos y un micrófono con una capa de gel que bloquea eficazmente el ruido externo para medir electromiogramas y sonidos de deglución de alta calidad. El algoritmo de aprendizaje profundo permite la clasificación de los patrones de deglución al tiempo que diagnostica aspiraciones silentes, con una precisión del 89,47%. La demostración con pacientes post-accidente cerebrovascular evidencia la importancia del sistema para medir múltiples señales fisiológicas en tiempo real para detectar trastornos de la deglución, validado mediante la comparación con el VFSS. La electrónica multimodal puede asegurar un futuro prometedor para la atención sanitaria y la terapia de rehabilitación de la disfagia, proporcionando una alternativa precisa y no invasiva para la monitorización de la deglución y los eventos de aspiración.