Modelo de aprendizado de máquina pode diagnosticar doença de Meniere

Um modelo de aprendizado de máquina baseado em recursos de audiometria tonal pode diagnosticar a doença de Meniere (MD) e prever hidropisia endolinfática (HE), de acordo com um estudo publicado on-line em 28 de agosto em Otorrinolaringologia-Cirurgia de Cabeça e Pescoço.

Xu Liu, MD, da Universidade Fudan em Xangai, e colegas coletaram sequências de ressonância magnética aprimoradas com gadolínio e dados de audiometria tonal em um estudo retrospectivo. Com base nos limiares de condução aérea da audiometria tonal, foram projetadas características analíticas básicas e múltiplas. Os recursos de engenharia foram usados ​​para treinar cinco modelos clássicos de aprendizado de máquina para diagnosticar DM. Os modelos com excelente desempenho foram selecionados para prever o HE.

Os pesquisadores descobriram que o modelo vencedor de aprendizado de máquina de aumento de gradiente de luz (LGB) demonstrou desempenho notável para diagnóstico de DM, alcançando precisão de 87%, sensibilidade e especificidade de 83 e 90% e uma área sob a curva característica de operação do receptor de 0,95. comparando favoravelmente com médicos experientes.

O modelo LGB teve 78% de precisão para previsão de EH e superou os outros três modelos. Os recursos específicos da audiometria tonal que são essenciais tanto para o diagnóstico de DM quanto para a previsão de HE incluem desvio padrão e média da audição em toda a frequência, pico do audiograma e audição em baixas frequências (principalmente em 250 Hz).

“O estudo mostrou capacidades diagnósticas promissoras, indicando o potencial do aprendizado de máquina baseado em resultados de audiometria tonal como método de triagem de DM”, escrevem os autores.

© 2024 HealthDay. Todos os direitos reservados.