IA e wearables

A tecnologia vestível com triagem computadorizada é precisa para identificar risco de aspiração em pacientes com disfagia?

Resposta

A disfagia pode levar à aspiração, com consequências graves. Métodos tradicionais de diagnóstico podem causar desconforto e exposição à radiação. Tecnologias vestíveis com triagem computadorizada surgem como alternativa para avaliações frequentes e manejo precoce. Esta revisão sistemática com meta-análise buscou sumarizar esses sistemas e verificar sua acurácia na identificação de risco de aspiração.

Foram incluídos nove artigos que utilizaram acelerômetros e/ou dispositivos acústicos em pacientes com problemas neurodegenerativos (demência, doença de Alzheimer), neurogênicos (acidente vascular cerebral, lesão cerebral) e algumas crianças com anomalias congênitas. O padrão de referência foi a videofluoroscopia da deglutição (VFSS) ou a avaliação endoscópica flexível da deglutição (FEES). Todos os estudos empregaram aprendizado de máquina tradicional com extração de características, sendo a máquina de vetores de suporte (SVM) o modelo mais usado.

A meta-análise avaliou a acurácia de classificação e identificação de deglutições de risco. No entanto, os autores decidiram não concluir pelos achados da meta-análise (razão de chances diagnóstica agrupada: 21,5; IC 95%: 2,7-173,6) devido a características metodológicas únicas, grandes diferenças nos parâmetros/limiares, heterogeneidade substancial e variações, com sensibilidade entre 21,7% e 90,0% entre os estudos.

Apenas dois dos nove estudos apresentaram modelo otimizado com sensibilidade acima de 90%. Tamanhos amostrais pequenos (mediana = 34,5; variação de 18 a 449) podem ser um problema crítico, especialmente para modelos de aprendizado de máquina. Há necessidade de ampliar as amostras para melhor generalização e otimizar processamento de sinal, segmentação, extração de características, classificadores e suas combinações para melhorar o desempenho da avaliação.

Para o médico, a tecnologia vestível com triagem computadorizada ainda não está pronta para uso clínico rotineiro na identificação de risco de aspiração, dada a variabilidade de desempenho e as limitações metodológicas. A aplicação no consultório deve considerar a necessidade de mais evidências antes de incorporar esses dispositivos na prática. A gestão do consultório pode se preparar para avaliar criticamente novas tecnologias, priorizando aquelas com validação robusta e sensibilidade adequada.

O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu nove artigos (n=9) que usaram acelerômetros e/ou dispositivos acústicos para identificar risco de aspiração em pacientes com condições neurodegenerativas, neurogênicas e crianças com anomalias congênitas, tendo VFSS ou FEES como referência. Todos usaram aprendizado de máquina tradicional com extração de características, principalmente SVM. A meta-análise não foi conclusiva devido à heterogeneidade metodológica e variações nos parâmetros, com sensibilidade entre 21,7% e 90,0%. Apenas dois estudos tiveram sensibilidade acima de 90%. Amostras pequenas (mediana 34,5; variação 18-449) foram identificadas como problema crítico.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica individual dos estudos, mas aponta heterogeneidade substancial e diferenças nos parâmetros/limiares, impossibilitando conclusões da meta-análise. Os tamanhos amostrais pequenos limitam a generalização. O resumo não fornece informações sobre o risco de viés global ou aplicabilidade, apenas que foi avaliado com QUADAS-2. Não há dados sobre custo ou viabilidade na prática clínica.

Aplicação no consultório

A aplicação clínica ainda é limitada: a triagem computadorizada por wearables não deve substituir os métodos padrão (VFSS, FEES) na avaliação de risco de aspiração. O médico deve estar ciente da variabilidade de desempenho e da necessidade de mais pesquisas. No consultório, pode-se considerar o uso dessas tecnologias apenas em contexto de pesquisa ou após validação local. A gestão pode acompanhar o desenvolvimento, mas priorizar métodos consolidados. A ampliação de amostras e otimização dos modelos são necessárias antes da incorporação rotineira.

Estudo citado

Computer-aided screening of aspiration risks in dysphagia with wearable technology: a Systematic Review and meta-analysis on test accuracy. Frontiers in bioengineering and biotechnology, 2023.
Autores: Lai DK, Cheng ES, Lim HJ, So BP, Lam WK, Cheung DSK, Wong DW, Cheung JC.
DOI: 10.3389/fbioe.2023.1205009 · PubMed: PMID 37441197

Perguntas para aprofundar

• Qual a acurácia da tecnologia vestível com aprendizado de máquina na triagem de disfagia em comparação com VFSS e FEES?
• Quais são as limitações metodológicas dos estudos sobre wearables para risco de aspiração?
• Como aplicar os achados desta revisão na prática clínica do consultório?

Mais sobre IA e wearables

• Sensores e algoritmos de aprendizado de máquina são confiáveis para medir o comportamento alimentar fora do laboratório?
• Técnicas de aprendizado de máquina superam o processamento de sinal tradicional na classificação de fala e ruído em aparelhos auditivos?
• O aprendizado de máquina já pode ser usado na prática clínica para estimar a fase circadiana e classificar transtornos do ritmo circadiano sono-vigília?
• Qual é a acurácia dos dispositivos vestíveis na predição de quedas em idosos, segundo uma revisão sistemática e meta-análise?
• Como a inteligência artificial está sendo aplicada na reabilitação e quais são as lacunas de evidência?

Todas as perguntas sobre IA e wearables · Todos os temas · Versão em markdown