Aplicações baseadas em inteligência artificial utilizadas para a análise da deglutição : revisão de escopo

Abstract

A Disfagia Orofaríngea (DO) é caracterizada por qualquer dificuldade no ato de deglutir, sendo um importante indicador de saúde da população, seus sintomas podem levar ao aumento da morbidade e da mortalidade precoce. A fim de minimizar os efeitos da DO na saúde dos indivíduos, o diagnóstico precoce é primordial. Esta, pode ser diagnosticada por métodos clínicos, radiológicos, ou endoscópicos. O método padrão ouro de diagnóstico é a Videofluoroscopia da Deglutição (VFD). Para a realização deste exame, é necessário equipe treinada em instalações designadas e está sujeita à exposição à radiação, assim como para a interpretação dos achados deste exame é necessário um avaliador com treinamento especializado. Dada a complexidade de uma avaliação da deglutição eficaz e acurada, as estratégias que envolvem Inteligência Artificial (IA), têm crescido exponencialmente nas práticas em saúde, propondo novas estratégias de avaliação, diagnóstico e intervenção. Nos estudos de deglutição, aplicações de IA vêm sendo usadas na análise e avaliação de sons da deglutição, imagens, movimentos laríngeos e fluxo respiratório. Por isso, propõe-se neste trabalho, apresentar uma revisão de escopo, buscando mapear as aplicações baseadas em inteligência artificial utilizadas para análise da deglutição descritas na literatura. Esta revisão de escopo seguiu o check list PRISMA e o protocolo desta pesquisa foi publicado na plataforma protocols.io. Para construção da pergunta de pesquisa utilizou-se uma adaptação da estratégia PCC, onde utilizamos “P”: pessoas adultas, “C”: aplicações baseadas em inteligência artificial e “C” deglutição e disfagia. A pesquisa na literatura foi realizada nas bases Embase, Pubmed, Web Of Science e Scopus, sem restrição de data ou país de publicação. Foram incluídos delineamentos de estudos observacionais, antes e depois e de séries temporais. Foram excluídos estudos que não analisaram aplicações de IA, que não realizaram a comparação com a VFD e que na realização no exame de deglutição não avaliaram pelo menos três consistências de alimento. Dos 1328 artigos identificados, 598 duplicados foram removidos, deixando 730 artigos para triagem. Após leitura de títulos e resumos, foram selecionados 78 artigos para leitura na íntegra e 26 corresponderam a todos os critérios de inclusão. A aplicação de IA Deep Learning foi descrita em 21 artigos (81,8%) Seguido de Machine Learning em 5 artigos (19,2%). Às tarefas associadas à aplicação de IA para análise da deglutição foram em 14 artigos análise das imagens, em seis artigos a análise dos sinais vibratórios, em três artigos a análise dos sons de deglutição e em dois artigos a análise combinada dos sons da deglutição e sinais vibratórios. Treze (50%) artigos selecionados apresentaram informações de análise da acurácia diagnóstica, onde todos eles ultrapassaram valores de 70%, estando ainda sete com valores superiores a 90%. O uso da IA na avaliação de deglutição é uma estratégia com perspectiva promissora, tanto para reduzir erros humanos na interpretação dos achados de VFD, quanto para otimizar a prática clínica, ampliando o diagnóstico da DO. São consideradas limitações desta revisão o fato da revisão de escopo não avaliar a qualidade da evidência, assim como a heterogeneidade encontrada nos dados.

Oropharyngeal Dysphagia (OD) is characterized by any difficulty in swallowing, being an important indicator of population health, its symptoms can lead to increased morbidity and early mortality. In order to minimize the effects of OD on individuals' health, early diagnosis is essential. This can be diagnosed by clinical, radiological, or endoscopic methods. The gold standard diagnostic method is Videofluoroscopy of Swallowing (VFD). To perform this exam, trained staff are required in designated facilities and are subject to radiation exposure, as well as to interpret the findings of this exam, an evaluator with specialized training is required. Given the complexity of an effective and accurate swallowing assessment, strategies involving Artificial Intelligence (AI) have grown exponentially in health practices, proposing new assessment, diagnosis, and intervention strategies. In swallowing studies, AI applications have been used in the analysis and assessment of swallowing sounds, images, laryngeal movements, and respiratory flow. Therefore, this study aims to present a scoping review, seeking to map the applications based on artificial intelligence used for swallowing analysis described in the literature. This scoping review followed the PRISMA checklist and the protocol for this research was published on the protocols.io platform. To construct the research question, an adaptation of the PCC strategy was used, where we used “P”: adults, “C”: applications based on artificial intelligence and “C” swallowing and dysphagia. The literature search was carried out in the Embase, Pubmed, Web of Science and Scopus databases, with no restriction on date or country of publication. Observational, before and after and time series study designs were included. Studies that did not analyze AI applications, that did not perform the comparison with the VFD and that did not evaluate at least three food consistencies when performing the swallowing exam were excluded. Of the 1211 articles identified, 598 duplicates were removed, leaving 913 articles for screening. After reading the titles and abstracts, 78 articles were selected for full reading, and 26 met all the inclusion criteria. The application of AI Deep Learning was described in 21 articles (81.8%), followed by Machine Learning in 5 articles (19.2%). The tasks associated with the application of AI for swallowing analysis were image analysis in 14 articles, analysis of vibration signals in six articles, analysis of swallowing sounds in three articles, and combined analysis of swallowing sounds and vibration signals in two articles. Thirteen (50%) selected articles presented information on the analysis of diagnostic accuracy, all of which exceeded 70%, with seven still having values above 90%. The use of AI in swallowing assessment is a strategy with a promising perspective, both to reduce human errors in the interpretation of VFD findings and to optimize clinical practice, expanding the diagnosis of DO. Limitations of this review include the fact that the scoping review did not assess the quality of the evidence, as well as the heterogeneity found in the data.