Video Experimental Relacionado
Updated: May 3, 2026
07:22
Minimally Invasive Murine Laryngoscopy for Close-Up Imaging of Laryngeal Motion During Breathing and Swallowing
Published on: December 1, 2023
646
Identificación basada en SHAP de biomarcadores acústicos potenciales en pacientes con trastorno de la voz después de
Salih Celepli1,2, Irem Bigat2, Bilgi Karakas1
1Department of General Surgery, Gulhane Training and Research Hospital, Ankara 06010, Turkey.
Diagnostics (Basel, Switzerland)
|August 28, 2025
Resumen
Los investigadores identificaron biomarcadores acústicos para el trastorno de la voz después de la tiroidectomía (PTVD) utilizando el aprendizaje automático. Las características como iCPP, aCPP y aHNR son prometedoras para el diagnóstico precoz y la terapia de voz personalizada después de la cirugía de tiroides.
Área de la Ciencia:
- Otorrinolaringología
- Ciencias del habla
- Biología computacional
Sus antecedentes:
- El trastorno de la voz después de la tiroidectomía (PTVD) afecta a muchos pacientes, lo que requiere herramientas de diagnóstico objetivas.
- Los métodos actuales de diagnóstico de la EPT pueden ser subjetivos, lo que pone de relieve la necesidad de biomarcadores sólidos.
- La identificación temprana de PTVD es crucial para las intervenciones de tratamiento oportunas y personalizadas.
Objetivo del estudio:
- Identificar biomarcadores acústicos fiables para el trastorno funcional de la voz después de la tiroidectomía (PTVD).
- Aprovechar el análisis acústico y el aprendizaje automático explicable para el diagnóstico temprano de PTVD.
- Para apoyar estrategias de tratamiento personalizadas para pacientes que experimentan cambios de voz después de una cirugía de tiroides.
Principales métodos:
- Extracción de las características espectrales y cepstrales de las vocales sostenidas /a/ y /i/.
- Formación de la máquina vectorial de soporte (SVM) y los modelos de impulso para la clasificación.
- Aplicación de las explicaciones aditivas de SHapley (SHAP) para la interpretabilidad y el análisis de la consistencia de los biomarcadores.
Principales resultados:
- GentleBoost (AUC=0,85) y LogitBoost (AUC=0,81) obtuvieron el rendimiento de clasificación más alto.
- Se identificaron iCPP, aCPP y aHNR como biomarcadores acústicos estables con valores SHAP consistentes.
- Estos biomarcadores demostraron correlaciones estadísticamente significativas con la PTVD y fuertes tamaños de efecto.
Conclusiones:
- El aprendizaje automático mejorado por SHAP proporciona un enfoque objetivo para la evaluación de PTVD.
- Las características acústicas identificadas (iCPP, aCPP, aHNR) muestran potencial como biomarcadores para la PTVD.
- Estos biomarcadores pueden guiar la terapia de voz individualizada en el período postoperatorio temprano.
