Factores que influyen en la preservación de la audición en pacientes con implante coclear: un enfoque de modelado...

Área de la Ciencia:

• Otorrinolaringología
• Ingeniería biomédica
• Ciencia de los datos

Sus antecedentes:

• La pérdida auditiva afecta a más del 19% a nivel mundial, aumentando con la edad.
• Los implantes cocleares (IC) tratan la pérdida de audición severa a profunda cuando fallan los audífonos.
• La preservación de la audición después de la cirugía de CI es impredecible.

Objetivo del estudio:

• Evaluar la viabilidad de utilizar el aprendizaje automático (ML) para predecir la preservación de la audición (HP) en candidatos a implantes cocleares (CI).
• Comparar el rendimiento del modelo ML con los métodos de predicción tradicionales.

Principales métodos:

• Análisis retrospectivo de los datos clínicos de 225 pacientes con IC (2009-2024).
• Desarrollo y comparación de modelos de aprendizaje automático, incluido el bosque aleatorio (RF), con la regresión lineal y los predictores medios.
• Identificación de las principales características predictivas de la HP.

Principales resultados:

• El modelo de Bosque Aleatorio (RF) demostró el mejor rendimiento predictivo.
• El ángulo de inserción del electrodo (61, 0%) y la edad en el momento de la implantación (24, 3%) fueron los predictores más significativos de HP.
• Las limitaciones reconocidas incluyen el error de predicción y un conjunto de datos relativamente pequeño.

Conclusiones:

• Los métodos ML muestran potencial para predecir la preservación de la audición en los usuarios de IC.
• La integración de datos quirúrgicos y objetivos adicionales es crucial para mejorar la precisión de la predicción.
• Se justifica una mayor investigación con conjuntos de datos más grandes.