小児アデノイド肥大症のMFCC統計および臨床的特徴を用いた非侵襲的スクリーニング：開発と外部検証

科学分野:

• 耳鼻咽喉科
• 小児睡眠医学
• 生体医工学

背景:

• アデノイド肥大症（AH）は、小児閉塞性睡眠時無呼吸症の主な原因です。
• AHの現在の診断方法は侵襲的であるか、またはかなりのリソースを必要とします。
• AHのためのアクセス可能で非侵襲的なスクリーニングツールの必要性があります。

研究 の 目的:

• アデノイド肥大症（AH）の低コストで非侵襲的なスクリーニングモデルを開発および検証すること。
• トリアージを改善するために、定量化された音声特徴と日常的な臨床データを統合すること。
• プライマリケア設定におけるモデルのパフォーマンスを評価すること。

主な方法:

• 2つのセンターの横断研究で202小児が登録されました。
• 定量化された音声特徴（メル周波数ケプストラム係数）は、持続的な/a/発声から抽出されました。
• 機械学習モデルは、10倍交差検証と独立した外部コホートを使用して検証された音声特徴と臨床変数を組み合わせました。

主要な成果:

• モデルは安定した内部パフォーマンス（AUC = 0.81、AP = 0.84）を示し、外部コホート（AUC = 0.79、AP = 0.88）で識別力を維持しました。
• モデルは、許容可能なキャリブレーション（ブライアースコア= 0.20）で臨床的に実行可能な感度と特異性を達成しました。
• 決定曲線分析は正味の利益を示し、SHAP分析は音声と気道症状の特徴を強調しました。

結論:

• 固定された決定閾値を持つ患者レベルのスクリーニングモデルは、アデノイド肥大症（AH）を効果的に特定します。
• このモデルは、鼻内視鏡検査前の実用的で非侵襲的でオーバーヘッドの少ないトリアージソリューションを提供します。
• さらなる前向き多施設共同研究で所見を確認することが推奨されます。