Progressi nella rilevazione della stenosi delle vie aeree e dello stridore

La stenosi delle vie aeree superiori è una condizione medica in cui le vie aeree si restringono. Questo può succedere in diverse parti della gola, incluso il laringe e la trachea. Vari fattori possono causare questo restringimento, come tessuto cicatriziale anormale, infortuni, tumori o danni ai nervi che colpiscono le corde vocali. Quando le vie aeree si restringono in modo significativo, può portare a un suono chiamato stridore. Lo stridore è un suono di respirazione rumoroso che si verifica a causa di un flusso d'aria turbolento e vibrazioni nelle vie aeree.

#Cos'è lo Stridore?

Lo stridore può essere sentito durante la respirazione ed è spesso un segno di problemi alle vie aeree. È classificato in tre tipi: inspiratorio (quando si inspira), espiratorio (quando si espira) e biphasico (durante entrambi). I professionisti medici possono classificare lo stridore in base a dove si trova il problema nelle vie aeree, come sopra le corde vocali (supraglottico), alle corde vocali (glottico), sotto le corde vocali (subglottico) o in aree più lontane nelle vie aeree (extra-toracico e intratoracico).

Riconoscere lo stridore è fondamentale per i fornitori di assistenza sanitaria. Professionisti esperti ascoltano lo stridore e gli sforzi respiratori del paziente per valutare la gravità del problema alle vie aeree e decidere il trattamento migliore. Ad esempio, la presenza di stridore inspiratorio può aiutare i medici a determinare quanto sia seria un'infezione virale, come quelle causate da parainfluenza. Lo stridore improvviso può indicare un problema grave, mettendo a rischio la vita di un paziente se non affrontato rapidamente, come nei casi di epiglottite o gravi reazioni allergiche.

#L'importanza di una Diagnosi Corretta

Diagnosticare erroneamente la stenosi delle vie aeree può ritardare i trattamenti necessari. Un sondaggio in un gruppo Facebook per persone con stenosi delle vie aeree ha mostrato che il 96% dei partecipanti era stato inizialmente diagnosticato in modo errato. Questo ritardo ha causato problemi di salute continui e rischi. Lo stridore è un segno comune di restringimento delle vie aeree ma è spesso confuso con sibili, portando a una diagnosi errata come asma. Non riconoscere lo stridore come un sintomo di restringimento grave può portare a seri problemi di salute e persino alla morte. I pazienti con stridore possono necessitare di trattamenti urgenti o metodi di intubazione specializzati durante le procedure mediche.

Il modo migliore per indagare le cause della stenosi delle vie aeree e dello stridore è attraverso esami visivi, come laringoscopia o broncoscopia. Purtroppo, molti pazienti non vengono inviati a specialisti otorinolaringoiatri in modo tempestivo, portando a pericolosi ritardi nelle cure. Inoltre, molti specialisti non eseguono esami al di sotto delle corde vocali nei loro studi, il che può portare a problemi trascurati nelle aree sottostanti.

#Il Ruolo del Machine Learning

Recenti progressi nella tecnologia, in particolare nel machine learning, potrebbero aiutare a riconoscere i suoni unici associati ai problemi delle vie aeree. I modelli di machine learning potrebbero essere più sensibili delle orecchie umane e potrebbero essere sviluppati per rilevare la stenosi delle vie aeree e lo stridore, rendendo possibile uno screening non invasivo. Tuttavia, ci sono sfide nella raccolta e nell'etichettatura dei dati, e non è stato fatto molto progresso in questo campo rispetto ad altri usi dell'IA, come l'analisi delle tosse.

#Dataset per i Modelli di IA

Per addestrare i modelli di IA per individuare la stenosi delle vie aeree e lo stridore, è stato creato un dataset completo. Il dataset include Registrazioni audio da pazienti con stenosi delle vie aeree, stridore, altre condizioni respiratorie e individui sani. Le registrazioni sono state raccolte utilizzando dispositivi economici e facili da usare durante compiti semplici che non richiedevano abilità speciali.

#Addestramento dei Modelli di Deep Learning

Due compiti principali sono stati impostati per i modelli di IA: rilevare la stenosi delle vie aeree e trovare suoni di stridore. Per il primo compito, è stato addestrato un modello personalizzato su registrazioni sonore ottenute da respirazioni profonde e inhale forzati. Questo modello mirava a risolvere il problema della diagnosi errata legata al restringimento delle vie aeree.

Per il secondo compito, un altro modello è stato addestrato specificamente per identificare lo stridore dai suoni registrati. Questo modello poteva lavorare insieme al modello per la stenosi delle vie aeree per valutare la gravità o operare indipendentemente per rilevare lo stridore in casi non correlati al restringimento delle vie aeree.

#Lavoro Precedente in Questo Campo

Non ci sono stati molti progetti di machine learning di successo focalizzati sulla rilevazione della stenosi delle vie aeree. La maggior parte degli studi precedenti ha utilizzato piccoli dataset e metodi costosi, rendendoli meno efficaci. Anche l'uso limitato dell'IA per la rilevazione dello stridore ostacola i progressi. Un tentativo recente ha utilizzato un piccolo gruppo di pazienti e ha mostrato un'accuratezza di rilevamento impressionante, ma il dataset era troppo piccolo per un'applicazione più ampia.

#Raccolta e Annotazione dei Dati

Questo studio ha utilizzato dati audio raccolti da due fonti: il Centro Vocale USF Health e il Dataset Vocale Bridge2AI. Il dataset unificato conteneva 94 pazienti con stenosi delle vie aeree, 45 con stridore, 51 con altre condizioni respiratorie e 77 controlli sani.

Il gruppo di controllo includeva pazienti con vari problemi respiratori, come bronchite cronica ostruttiva (BPCO), asma e paralisi delle corde vocali. Dopo la raccolta audio, i medici hanno determinato se i pazienti avessero stenosi delle vie aeree o altre condizioni respiratorie in base ai suoni e ai dati clinici.

#Compiti Acustici per la Raccolta Dati

Per addestrare i modelli di IA, sono stati raccolti audio durante due compiti specifici: respiri profondi e inhale forzati. Questi compiti sono stati scelti per assicurarsi che fossero facili per tutti i partecipanti, indipendentemente dalle abilità di alfabetizzazione o linguistiche. Il compito di inhale forzato, in particolare, è stato utile per rilevare lo stridore a causa del flusso d'aria forzato sulle corde vocali.

Sono stati utilizzati diversi dispositivi per raccogliere audio, assicurando che il sistema potesse adattarsi a vari ambienti sanitari. Le registrazioni audio dei pazienti sono state incluse se hanno seguito le istruzioni. I dati provenienti da compiti eseguiti male, come quelli che coinvolgevano la respirazione nasale, non sono stati inclusi per mantenere la qualità dei dati.

#Addestramento e Validazione dei Modelli

Le registrazioni audio sono state suddivise in brevi segmenti per l'analisi. Questi segmenti sono stati poi elaborati per filtrare qualsiasi rumore di fondo che potesse interferire con l'identificazione accurata dei suoni. I segmenti audio puliti sono stati sottoposti a un modello di machine learning per distinguere tra suoni normali e quelli indicativi di problemi alle vie aeree.

I modelli di IA sono stati addestrati utilizzando un metodo noto come cross-validation, in cui i dati sono stati suddivisi in diverse sezioni per testare l'affidabilità del modello. Diverse fonti audio sono state considerate durante i test per assicurarsi che i migliori dati disponibili fossero utilizzati per effettuare previsioni.

#Risultati dai Modelli di IA

I risultati hanno mostrato che il modello era in grado di rilevare ragionevolmente la stenosi delle vie aeree e lo stridore. Il modello utilizzato per rilevare la stenosi delle vie aeree ha mostrato un buon livello di accuratezza, con un punteggio indicante che poteva distinguere efficacemente tra pazienti con e senza restringimento delle vie aeree.

Per il modello di rilevazione dello stridore, sono stati trovati risultati promettenti simili. Ha identificato accuratamente i suoni di stridore ma ha avuto prestazioni leggermente inferiori con i pazienti che avevano altre condizioni respiratorie. Il modello ha ottenuto i risultati migliori quando è stato addestrato con dati provenienti da entrambi i tipi di compiti respiratori, anche se le annotazioni del secondo compito non erano completamente affidabili.

#La Strada da Seguire

Anche se i risultati sono promettenti, ci sono ancora limitazioni da considerare. Il dataset, sebbene più grande di molti set studiati in precedenza, aveva comunque un numero limitato di casi di stridore ed era etichettato da un singolo esperto. Questo potrebbe influenzare quanto bene i risultati possano essere applicati a diversi gruppi di pazienti.

Lo studio è stato condotto in ambienti controllati che potrebbero non rappresentare pienamente situazioni del mondo reale, come i pronto soccorso dove le condizioni possono essere più caotiche. Il lavoro futuro dovrebbe concentrarsi sul testare i modelli di IA in vari ambienti sanitari per assicurarne l'efficacia.

Per migliorare ulteriormente i modelli, la ricerca futura comporterà lo sviluppo di un'app mobile per portare questi strumenti direttamente ai fornitori di assistenza sanitaria, rendendo più facile per loro testare i pazienti e raccogliere più dati. Questo sforzo potrebbe aiutare a affrontare i problemi delle vie aeree in modo più efficiente, specialmente in aree con accesso limitato a cure specializzate.

In generale, il lavoro suggerisce che il machine learning potrebbe svolgere un ruolo significativo nell'identificare la stenosi delle vie aeree e lo stridore, offrendo un'opportunità per diagnosi più rapide e accurate. Questo approccio potrebbe contribuire a ridurre i tassi di diagnosi errata e migliorare i risultati per i pazienti in contesti reali.