La Voz de la Descompensación: Un Enfoque de Aprendizaje Automático Explicable para Evaluar la Gravedad de la...

Área de la Ciencia:

• Ingeniería Biomédica
• Cardiología
• Ciencia del Habla

Sus antecedentes:

• La insuficiencia cardíaca (IC) presenta una morbilidad y tasas de readmisión hospitalaria significativas.
• La monitorización eficaz fuera del hospital es crucial para la atención de enfermería posalta en pacientes con IC.

Objetivo del estudio:

• Crear un conjunto de tareas de voz específico para IC fácil de usar para la monitorización remota.
• Identificar marcadores acústicos relacionados con la IC y desarrollar modelos predictivos basados en voz explicables.
• Evaluar la precisión de las grabaciones de teléfonos inteligentes para la monitorización clínica de la IC.

Principales métodos:

• Un estudio observacional multicéntrico en el que participaron pacientes hospitalizados con insuficiencia cardíaca aguda (ICA).
• Grabaciones de voz recopiladas utilizando dispositivos profesionales y varios teléfonos inteligentes (Apple, Huawei, Vivo).
• Se evaluaron once tareas de habla, extrayendo once categorías de características acústicas; se entrenaron e interpretaron dos modelos XGBoost con SHAP.

Principales resultados:

• El modelo de admisión-a-alta logró una precisión de 0.76 (AUC 0.77), y el modelo de mitad de hospitalización-a-alta logró una precisión de 0.81 (AUC 0.80).
• El análisis SHAP indicó mejoras vocales que se correlacionan con la recuperación clínica (p. ej., aumento de la estabilidad, riqueza armónica).
• La alta consistencia en las grabaciones entre diferentes marcas de teléfonos inteligentes confirmó la viabilidad de la recopilación de datos móviles.

Conclusiones:

• Se desarrolló con éxito un modelo explicable y de alto rendimiento para la monitorización de IC basado en voz para su implementación en teléfonos inteligentes.
• El enfoque no invasivo y de baja carga es adecuado para la integración en la monitorización y el triaje posalta remotos y coordinados por enfermería.