Modelo de IA pode diagnosticar apneia obstrutiva do sono

Um modelo de floresta aleatória (RF) tem precisão semelhante a uma máquina de vetores de suporte (SVM) para diferenciar pacientes com apneia obstrutiva do sono (AOS), de acordo com um estudo publicado online em 12 de outubro no Jornal de Pesquisa do Sono.

Bo Pang, da Universidade da Califórnia, em Los Angeles, e colegas examinaram se o uso de modelos de aprendizado de máquina mais rápidos e menos complicados, incluindo SVM e RF, com dados de imagem de tensor de difusão cerebral (DTI) pode diferenciar OSA de controles saudáveis. Duas séries DTI de 59 pacientes com AOS e 96 controles foram obtidas usando um 3.0-Tesla ressonância magnética scanner de imagem. Os mapas de difusividade média foram calculados de cada série usando dados DTI e foram realinhados e calculados, normalizados para um espaço comum e usados ​​para realizar validação cruzada para treinamento e seleção de modelos e para previsão de OSA.

Os pesquisadores descobriram que o modelo de RF mostrou uma precisão de classificação de 0,73 para OSA e controles e um valor de área sob a curva (AUC) na curva receptor-operador de 0,85. A validação cruzada mostrou ajuste comparável para o modelo de RF com SVM para OSA e dados de controle (precisão, 0,77; AUC, 0,84).

“A triagem de AOS pode ser mais rápida e menos complicada usando imagem do tensor de difusão cerebral dados e aprendizado de máquina. Esse uso de dados de neuroimagem e aprendizado de máquina permitirá a triagem e intervenção precoces da AOS que podem ajudar a restaurar as alterações e funções do tecido cerebral”, escrevem os autores.

Dia da Saúde 2022. Todos os direitos reservados.