Identificação precoce da exacerbação da DPOC usando análise de voz e tosse por meio de um modelo de aprendizado de máquina

• Processo: 25/02011-7
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Fábio Fernandes Neves
• Beneficiário: Fábio Fernandes Neves
• Pesquisador Anfitrião: John Robert Hurst
• Instituição Sede: Centro de Ciências Biológicas e da Saúde (CCBS). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: University College London (UCL), Inglaterra
• Vinculado ao auxílio: 24/10232-0 - Defendendo a DPOC por meio de inteligência artificial no Brasil: análise de biomarcadores vocais para melhor diagnóstico, identificação precoce de exacerbações e avaliação do efeito da reabilitação pulmonar, AP.TEM
• Assunto(s): Aprendizado computacional Bronquite crônica Diagnóstico por computador Doença pulmonar obstrutiva crônica Pneumonia bacteriana Infectologia
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | bronquite crônica | Diagnóstico por computador | Doença Pulmonar Obstrutiva Crônica | Pneumonia bacteriana | infectologia

Resumo

Introdução: a DPOC é uma doença pulmonar debilitante e afeta milhões de pessoas no mundo todo, causando mortalidade e ônus econômico significativos. As exacerbações pioram a DPOC, levando ao aumento da mortalidade, readmissões e custos elevados com assistência à saúde. O tratamento precoce das exacerbações melhora a recuperação e reduz o risco de hospitalização, mas frequentemente esses episódios não são reconhecidos. A inteligência artificial, particularmente o aprendizado de máquina aplicado à análise de áudio de tosse e voz, mostra-se uma tecnologia promissora para uma melhor detecção de exacerbação da DPOC.Objetivos: esta pesquisa visa desenvolver e testar a acurácia de modelos de aprendizado de máquina, treinados em amostras de áudio de tosse e voz, para identificar de forma confiável a exacerbação da DPOC em pacientes hospitalizados.Métodos: este projeto ''e um estudo de coorte, que recrutará 20 pacientes hospitalizados por exacerbação da DPOC no Royal Free London Hospital. A coleta de dados envolverá gravações de áudio de tosse e fonação, juntamente com aplicação do questionário EXACT, na admissão e quatro semanas após a alta. Amostras de áudio serão processadas usando o software Praat, convertidas em imagens de sinal wavelet e espectrogramas, e analisadas usando algoritmos de aprendizado de máquina (KNN, LDA, SVM). O modelo de melhor desempenho será identificado através das metodologias de five-fold cross-validation e Particle Swarm Optimization. O desempenho do modelo será avaliado usando sensibilidade, especificidade, AUROC e pontuação F1. A precisão do modelo de IA será comparada com o questionário EXACT e o diagnóstico baseado em médico (critérios de Roma). A aprovação ética será obtida, e todos os participantes fornecerão consentimento informado.Resultados esperados: com esta pesquisa, espera-se desenvolver um modelo de IA para identificação da exacerbação da DPOC, com melhor acurácia que os modelos atuais.