Grabación de habla despierta para el diagnóstico mediante aprendizaje automático de la apnea obstructiva del sueño:...

Área de la Ciencia:

• Tecnología Médica
• Inteligencia Artificial
• Medicina del Sueño

Sus antecedentes:

• La apnea obstructiva del sueño (AOS) es una afección generalizada con importantes implicaciones para la salud, que a menudo no se diagnostica.
• La polisomnografía (PSG), la herramienta diagnóstica estándar, tiene una accesibilidad limitada.
• El análisis del habla basado en IA emerge como una alternativa no invasiva potencial para el cribado de la AOS.

Objetivo del estudio:

• Evaluar la precisión diagnóstica de los modelos de IA que analizan el habla despierta para la apnea obstructiva del sueño.
• Identificar los factores que influyen en el rendimiento del análisis del habla por IA en la detección de la AOS.

Principales métodos:

• Se realizó una búsqueda sistemática de la literatura en las principales bases de datos científicas.
• Se empleó un metaanálisis bayesiano bivariado y meta-regresión para sintetizar datos de estudios elegibles.
• Se evaluó el riesgo de sesgo y la calidad de la evidencia utilizando los marcos QUADAS-2 y GRADE.

Principales resultados:

• Ocho estudios que incluyeron 24 modelos de IA fueron incluidos, analizando datos de 1.060 participantes.
• Los modelos de IA que analizan el habla despierta lograron una sensibilidad combinada del 82,9% y una especificidad del 83,3%.
• Una mayor edad media de los participantes se correlacionó con una mejora de la sensibilidad; otros factores como la gravedad de la AOS no afectaron significativamente el rendimiento.

Conclusiones:

• Los modelos de IA entrenados con grabaciones de habla despierta demuestran una sólida precisión diagnóstica para la AOS.
• Estas herramientas de IA presentan una solución de cribado viable, escalable y práctica para la apnea obstructiva del sueño en diversos entornos.