O aprendizado profundo na análise de voz é útil para diagnosticar patologias das cordas vocais?
Resposta curta: A revisão sistemática identificou 14 estudos retrospectivos com 3037 pacientes, nos quais modelos de aprendizado profundo detectaram edema de Reinke, nódulos, pólipos, cistos, paralisia unilateral de prega vocal e câncer de prega vocal, com acurácia superior a 90% para a maioria das patologias. No entanto, a maioria dos estudos apresentou alto risco de viés, limitando a aplicação clínica imediata.
Resposta
A análise automatizada da voz por aprendizado profundo tem sido investigada como ferramenta de triagem e diagnóstico de patologias das cordas vocais. A revisão sistemática reuniu evidências de estudos publicados entre 2002 e 2022, mostrando que a tecnologia pode auxiliar na detecção de condições como edema de Reinke, nódulos, pólipos, cistos, paralisia unilateral de prega vocal e câncer de prega vocal.
Os resultados indicam que a maioria das patologias avaliadas apresentou acurácia de detecção acima de 90% nos estudos incluídos. Esse desempenho sugere um potencial promissor para o desenvolvimento de ferramentas de apoio ao diagnóstico, especialmente considerando a ubiquidade de smartphones e dispositivos vestíveis, que possibilitam amostragem vocal em larga escala.
Apesar dos resultados animadores, a qualidade metodológica dos estudos foi limitada: todos eram retrospectivos e a maioria apresentou alto risco de viés e preocupações quanto à aplicabilidade, conforme avaliação com a ferramenta QUADAS-2. Isso significa que os achados devem ser interpretados com cautela e não permitem, no momento, a incorporação rotineira desses modelos na prática clínica.
A revisão conclui que a tecnologia tem potencial para aprimorar a triagem e o diagnóstico de patologias vocais, mas a pesquisa atual ainda é limitada. Os estudos fornecem prova de conceito para o desenvolvimento de soluções em maior escala, que deverão superar as limitações metodológicas identificadas.
Para o médico, os achados reforçam a importância de acompanhar a evolução das ferramentas de inteligência artificial na fonoaudiologia e na otorrinolaringologia, mas sem substituir a avaliação clínica e os exames convencionais. A implementação futura dependerá de estudos prospectivos e com menor risco de viés.
O que o estudo mostrou
Revisão sistemática com busca no MEDLINE e Embase de publicações originais entre 2002 e 2022, incluindo 14 estudos retrospectivos e 3037 pacientes. Os modelos de aprendizado profundo avaliaram edema de Reinke, nódulos, pólipos, cistos, paralisia unilateral de prega vocal e câncer de prega vocal. A maioria das patologias teve acurácia de detecção acima de 90%. A maioria dos estudos apresentou alto risco de viés e preocupações quanto à aplicabilidade, segundo o QUADAS-2.
Limitações
Todos os estudos incluídos eram retrospectivos, e a maioria foi classificada com alto risco de viés e preocupações de aplicabilidade. O resumo não informa detalhes sobre a população, os métodos de coleta de voz ou a validação externa dos modelos, o que limita a generalização dos achados.
Aplicação no consultório
Os achados ainda não permitem incorporar a análise de voz por aprendizado profundo na rotina clínica. O médico deve manter a avaliação clínica e os exames convencionais como padrão. No entanto, a tecnologia pode, no futuro, auxiliar na triagem de pacientes com queixas vocais, especialmente em contextos de telemedicina. Para a gestão do consultório, é prudente acompanhar a evolução das pesquisas e considerar a adoção apenas após validação em estudos prospectivos.
Estudo citado
Deep learning in voice analysis for diagnosing vocal cord pathologies: a systematic review. European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery, 2024.
Autores: Tessler I, Primov-Fever A, Soffer S, Anteby R, Gecel NA, Livneh N, Alon EE, Zimlichman E, Klang E.
DOI: 10.1007/s00405-023-08362-6 · PubMed: PMID 38091100
Perguntas para aprofundar
- Qual é o desempenho diagnóstico da análise de voz por aprendizado profundo em comparação com a laringoscopia?
- Quais são os principais vieses nos estudos de aprendizado profundo para patologias vocais?
- Como a análise de voz por smartphones pode ser integrada à triagem de pacientes com disfonia?
Mais sobre Ética, viés e explicabilidade da IA em saúde
- O aprendizado profundo aplicado à neuroimagem já permite localizar a zona epileptogênica na prática clínica?
- Modelos de machine learning superam os modelos estatísticos convencionais na predição de eventos cardiovasculares em pacientes em diálise?
- Técnicas de aprendizado de máquina e aprendizado profundo podem melhorar a predição e o diagnóstico de leptospirose na prática clínica?
- Qual é o desempenho diagnóstico dos métodos baseados em inteligência artificial para detecção de tuberculose?
- O aprendizado profundo em enterografia por ressonância magnética melhora a avaliação da doença de Crohn?
Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown