Objetivos
Evaluar el uso de las redes neuronales profundas para el análisis automático de la tos sintomática en una enfermedad respiratoria. El análisis automático de la tos constituye una herramienta clave para la detección temprana, útil en el cribado y la telemedicina, donde el acceso rápido al diagnóstico puede marcar una diferencia crítica.
Material y métodos
Estudio observacional durante 24 horas en condiciones de vida real de 20 pacientes adultos (9 mujeres, 11 hombres) con una tos persistente debido a patologías respiratorias específicas (IRA, neumonía, EPOC, cáncer, asma, bronquiectasias, sarcoidosis), que se agruparon en 6 conjuntos de comparación (G1-G6) contrastando la EPOC globalmente con el resto de las enfermedades (G2,G3 sin incluir cáncer de pulmón), e individualmente con (G4 ―IRA y neumonía―,G5 ―crónicas no EPOC―, G6 ―cáncer de pulmón―) y pacientes crónicos vs no crónicos (G1). Se analizaron espectrogramas de audio de un segundo con una red neuronal convolucional (CNN) para detectar eventos de tos e identificar las enfermedades de los pacientes dentro de los grupos definidos. Los modelos se validaron también con dos bases de datos independientes: CoughVid, que recoge grabaciones de tos obtenidas de forma remota sin supervisión clínica, y Coswara, que incluye grabaciones en el contexto clínico.
Resultados
El modelo de detección de tos alcanzó una sensibilidad del 87% y una especificidad del 95% al evaluarse sobre nuestra base de datos. En cuanto a la identificación de enfermedades, se entrenaron modelos para comparar patologías individualmente, considerando los cuatro grupos mencionados. En cuatro de los seis experimentos realizados los modelos superaron una precisión media del 85%. En particular, el modelo entrenado para distinguir el asma del resto fue validado con Coswara, alcanzando un 80% de precisión.
Conclusiones
Los resultados obtenidos destacan el potencial del enfoque propuesto como herramienta eficaz para la detección temprana de las enfermedades pulmonares en los entornos de diagnóstico remoto.
Financiación
- TED2021-131536B-I00, financiado por MCIN/AEI/10.13039/501100011033 y «NextGenerationEU»/PRTR.
- GRS 2837/C/2023 financiado por la Gerencia Regional de Salud, Junta de Castilla y León.
CEI
Comité de Ética de la Investigación con medicamentos (CEIm) del área de salud de Palencia. Código 2023/027.
