La revista Life en un artículo reciente se evalúa el uso de aprendizaje automático (machine learning) combinando fotogrametría craneofacial y análisis acústico del habla para el screening no invasivo de la Apnea Obstructiva del Sueño (AOS). La investigación cuenta con un diseño metodológico riguroso mediante validación cruzada anidada en una muestra de 109 adultos; aunque sus resultados son sólidos y prometedores (alcanzando un AUC-ROC de 0.766 en clasificación), deben tomarse con cautela debido al tamaño muestral relativamente reducido y a la baja especificidad observada en los modelos. El hallazgo clave es que los descriptores craneofaciales aportaron la contribución predictiva más consistente para identificar la presencia de AOS, mientras que añadir variables acústicas del habla no mostró una ventaja discriminativa contundente, confirmando que la fenotipificación morfológica externa es un pilar diagnóstico sumamente fiable.
Enlace de referencia: https://www.mdpi.com/2075-1729/16/10/1748
#MedicinaDelSueño #ApneaDelSueño #TerapiaMiofuncional #Otorrinolaringología #InteligenciaArtificial #MachineLearning #ScreeningMédico #InnovaciónMédica #SaludRespiratoria
EN 
ES