Desarrollo y validación de un modelo de cribado de disfagia en ancianos basado en características acústicas

Área de la Ciencia:

• Gerontología
• Ingeniería Biomédica
• Aprendizaje automático en la atención médica

Sus antecedentes:

• La disfagia es una afección común y grave en la población de ancianos.
• Los métodos actuales de cribado de la disfagia carecen de escalabilidad.
• Existe la necesidad de herramientas automatizadas para identificar a las personas mayores en riesgo de disfagia.

Objetivo del estudio:

• Desarrollar y validar un modelo automatizado de aprendizaje automático para el cribado del riesgo de disfagia en ancianos.
• Utilizar características acústicas de la voz, la tos y la deglución para la evaluación del riesgo de disfagia.
• Crear una herramienta escalable para la detección temprana de la disfagia en poblaciones geriátricas.

Principales métodos:

• El estudio siguió las directrices TRIPOD, incluyendo el cribado de variables, la construcción del modelo y la evaluación.
• Se recopilaron datos de audio (voz, tos, deglución) de participantes ancianos en hogares de ancianos.
• La regresión LASSO identificó las características clave; se construyeron y evaluaron modelos de Regresión Logística, Random Forest, SVM y XGBoost.

Principales resultados:

• El modelo XGBoost logró un AUC de 0.86 en la validación interna y 0.71 en la validación externa.
• El modelo demostró una buena discriminación, calibración y utilidad clínica.
• Las características acústicas predijeron eficazmente el riesgo de disfagia en los ancianos.

Conclusiones:

• Un modelo XGBoost basado en características acústicas proporciona un método eficaz y automatizado para el cribado del riesgo de disfagia en personas mayores.
• Esta herramienta puede ayudar a los profesionales de la salud a identificar a las personas en riesgo para una intervención oportuna.
• La intervención temprana facilitada por este modelo tiene el potencial de mejorar los resultados clínicos de las personas mayores.