Mejorar la comprensión del análisis de tos para la gestión de enfermedades respiratorias utilizando Inteligencia Artificial Explicable (XAI). Buscamos identificar patrones espectrales específicos y demostrar cómo XAI mejora la interpretabilidad y capacidades diagnósticas

Estudio observacional durante 24 horas en condiciones de vida real de 20 pacientes adultos (9 mujeres, 11 hombres) con tos persistente por patologías respiratorias (IRA, neumonía, EPOC, cáncer, asma, bronquiectasias), que se agruparon en 6 conjuntos de comparación (G1-G6) contrastando EPOC globalmente con el resto de enfermedades (G2,G3 sin incluir cáncer de pulmón) e individualmente con (G4--IRA y neumonía--, G5--crónicas no EPOC--, G6--cáncer de pulmón--) y pacientes crónicos vs. no crónicos (G1). Se obtuvieron espectrogramas de audios de 1 segundo incluyendo tos. Se usó una red neuronal convolucional para identificar eventos de tos con alta confianza (>90%) y se aplicaron mapas de oclusión para identificar regiones espectrales relevantes. Los espectrogramas se ponderaron multiplicándolos por estos mapas. Por último, se extrajeron características espectrales (Potencia AC Relativa(AC), Ancho de Banda(SpBw), Factor de Cresta(SpCF), Planitud Espectral(SpF), Flujo Espectral(SpFx), Entropía de Renyi(SpRE), Roll-Off(SpR)) de los espectrogramas ponderados y se aplicó la T de Student o U-Mann-Whitney para identificar diferencias relevantes entre grupos.

Se encontraron diferencias estadísticamente significativas al analizar los espectrogramas ponderados por XAI. Todas las características, excepto SpFx, mostraron diferencias significativas para los grupos G2-G4. Los pacientes con EPOC mostraron valores significativamente más bajos para AC (ej.G2, p=0.0273) y SpCF (ej.G2, p=0.0103), y significativamente más altos para SpBw (ej.G2, p=0.0202), SpF (ej.G2, p=0.0011), SpRE (ej.G2, p=0.0145), y SpR (ej.G2, p=0.0103). Esto sugiere mayor variabilidad y aleatoriedad en sus patrones de frecuencia.

La metodología impulsada por XAI mejora la comprensión y potencial diagnóstico del análisis de tos al identificar regiones espectrales relevantes. El análisis de estas regiones revela firmas acústicas específicas de enfermedades que no son detectables en el análisis estándar

- TED2021-131536B-I00, financiado por MCIN/AEI/10.13039/501100011033 "NextGenerationEU''/PRTR 
- GRS 2837/C/2023 financiado por la Gerencia Regional de Salud, Junta de Castilla y León

CEIM de Palencia
Código protocolo: 2023/027