Acurácia diagnóstica e persistência de saos em crianças por meio do uso da inteligência artificial

• Autor(a) principal: Braga, Alexandre Palaro
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/250990
• topic: SAOS; Sonoendoscopia; Inteligência artificial; Adenotonsilectomia; Crianças; OSA-18; Sleep endoscopy; Artificial intelligence; Adenotonsillectomy; Children

Introdução: A síndrome da apneia obstrutiva do sono (SAOS) caracterizase por episódios de obstrução das vias aéreas superiores, com repercussões sistêmicas, como alterações craniofaciais, cardiovasculares, metabólicas e neurocognitivas. O diagnóstico é confirmado pela polissonografia (PSG), disponível em poucos centros. A inteligência artificial (IA), tem sido utilizada na medicina, facilitando classificação e prognóstico de doenças, possibilitando avaliar associações não encontradas com a metodologia científica tradicional. Hipotetizamos que a IA possa auxiliar no reconhecimento de SAOS moderada-grave e/ou persistência de SAOS após a adenotonsilectomia, a partir da idade, peso, OSA-18 e sonoendoscopia. Objetivos: Avaliar a acurácia diagnóstica do conjunto de dados do OSA-18, idade, z-score peso/idade e de exame de sonoendoscopia para o diagnóstico de SAOS moderada-grave, e de persistência de SAOS em crianças, por meio de IA. Metodologia: Foram incluídos os dados do OSA-18, idade, escore-Z peso/idade, PSG e sonoendoscopia de 95 crianças de 4 a 9 anos, que realizaram PSG para diagnóstico e tratamento de SAOS no HCFMB no período de 2015 a 2021. Crianças com dados incompletos, neuropatas ou sindrômicas foram excluídas. Utilizando IA, com prendizado de máquina, foi avaliada a acurácia diagnóstica para SAOS normal-leve e moderadagrave em duas etapas, sendo: 1. a partir de dados do OSA-18, idade, peso e de sonoendoscopia pré-operatórios; 2. pelo conjunto dos mesmos dados, porém após adenotonsilectomia, avaliando a acurácia para a persistência de SAOS. Resultados: Os resultados mostraram elevada acurácia (93%) para o diagnóstico pré-operatório de Saos, quando utilizados dados do OSA-18, idade e z-score peso/idade, refletindo elevada sensibilidade, 100% em SAOS normal-leve e 88% em Saos moderado-grave, além de elevada especificidade, 88% e 100%, respectivamente. Já os dados de sono-endoscopia para diagnóstico mostraram redução de acurácia, inviabilizando sua execução. No entanto, para avaliar a persistência de Saos em crianças, a sono-endoscopia mostrou-se melhor que o questionário OSA-18, levando a uma acurácia de 79%, ante 75% combinando-se OSA-18, idade e peso. Conclusão: a utilização de IA com aprendizado de máquina mostrou-se eficaz no diagnóstico e seguimento de Saos, podendo contribuir para a substituição ou melhor indicação de PSG.