XAI-Driven Spectral Analysis of Cough Sounds for Respiratory Disease Characterization

Título: Análisis Espectral de Sonidos de Tos Impulsado por IA Explicable (XAI) para la Caracterización de Enfermedades Respiratorias

1. Problema

Las enfermedades respiratorias son una causa principal de mortalidad mundial y requieren un monitoreo continuo para una intervención temprana. Aunque el uso de técnicas de Aprendizaje Profundo (Deep Learning - DL) ha mejorado la detección automática de eventos de tos, persisten dos desafíos críticos:

• Naturaleza de "Caja Negra": Los modelos de DL (como las Redes Neuronales Convolucionales - CNN) suelen ser opacos, dificultando la comprensión de qué características acústicas específicas del sonido de la tos están asociadas a enfermedades concretas (ej. EPOC, cáncer de pulmón, neumonía).
• Falta de Diferenciación Diagnóstica: Los análisis tradicionales de espectrogramas crudos (sin procesar) a menudo no logran revelar diferencias estadísticamente significativas entre grupos de pacientes con distintas patologías, limitando la utilidad diagnóstica más allá de la simple detección de la tos.
• Dependencia de la Delimitación Temporal: Métodos anteriores que intentaban explicar el modelo dependían de la identificación precisa del inicio y fin del evento de tos, lo cual es difícil de automatizar con exactitud en condiciones reales.

2. Metodología

El estudio propone una metodología novedosa que integra IA Explicable (XAI) con análisis espectral para extraer firmas acústicas específicas de enfermedades. El proceso se divide en las siguientes etapas:

• Adquisición de Datos: Se realizó un estudio observacional con 20 pacientes ambulatorios (23-87 años) en Palencia, España. Se grabaron aproximadamente 15.000 eventos de tos individuales durante 24 horas utilizando smartphones. Los pacientes se agruparon en 6 comparaciones (G1-G6), contrastando principalmente pacientes con EPOC contra otros grupos (crónicos, no crónicos, cáncer, neumonía, etc.).
• Preprocesamiento y Detección:
  • Las señales de audio se submuestrean y se convierten en espectrogramas (representaciones tiempo-frecuencia).
  • Se utiliza una CNN (Red Neuronal Convolucional) entrenada para clasificar ventanas de audio como "tos" o "no tos". Solo se seleccionan las ventanas clasificadas como tos con una confianza >90%.
• Generación de Mapas de Oclusión (XAI):
  • Se aplican mapas de oclusión sobre los espectrogramas clasificados. Esto implica ocultar sistemáticamente partes del espectrograma para observar cómo disminuye la probabilidad de clasificación de la CNN.
  • Las regiones que causan una mayor caída en la confianza al ser ocultadas se identifican como las más relevantes para la detección.
• Espectrogramas Ponderados:
  • Se generan espectrogramas ponderados multiplicando el espectrograma original por el mapa de oclusión umbralizado. Esto amplifica selectivamente las regiones espectrales más informativas y suprime el ruido o información irrelevante.
• Extracción de Características Espectrales:
  • Sobre los espectrogramas ponderados, se calculan siete características espectrales físicas interpretables:
    1. Potencia AC Relativa (AC).
    2. Ancho de Banda Espectral (SpBW).
    3. Factor de Cresta Espectral (SpCF).
    4. Planicie Espectral (SpF).
    5. Flujo Espectral (SpFX).
    6. Entropía de Renyi Espectral (SpRE).
    7. Corte Espectral (SpR).
• Análisis Estadístico: Se aplican pruebas de hipótesis (t-test de Student o Mann-Whitney U) para determinar diferencias significativas entre los grupos de enfermedades.

3. Contribuciones Clave

• Enfoque XAI para Diagnóstico: No solo se utiliza la CNN para detectar, sino que se emplean sus mapas de atención (oclusión) para guiar el análisis espectral, revelando patrones ocultos en los datos crudos.
• Independencia de la Delimitación Temporal: A diferencia de trabajos previos que requerían definir con precisión el inicio y fin de la tos, este método extrae características directamente de los espectrogramas ponderados, siendo más robusto ante variaciones temporales.
• Superioridad sobre Modelos Anteriores: Se demuestra que extraer características de espectrogramas ponderados por XAI es más efectivo que usar espectrogramas crudos o parámetros de modelos estadísticos previos (como mezclas gaussianas - GMM) que dependían de la forma temporal de la tos.
• Interpretabilidad Física: Las características extraídas tienen un significado físico claro (ej. distribución de energía, ruido blanco, variabilidad), facilitando la comprensión clínica de las diferencias entre patologías.

4. Resultados

• Diferenciación de Grupos: El análisis de los espectrogramas crudos no mostró diferencias estadísticamente significativas entre la mayoría de los grupos. Sin embargo, al analizar los espectrogramas ponderados por XAI, se encontraron diferencias significativas (p < 0.05) en múltiples características para los grupos que involucraban a pacientes con EPOC (G2, G3, G4).
• Patrones de la EPOC: Los pacientes con EPOC mostraron:
  • Mayor Ancho de Banda (SpBW) y Corte Espectral (SpR): Indicando una distribución de energía más dispersa y que se extiende a frecuencias más altas.
  • Mayor Planicie Espectral (SpF) y Entropía (SpRE): Sugiriendo un patrón de tos más "ruidoso" y menos concentrado en frecuencias dominantes, similar a una distribución de ruido blanco.
  • Menor Potencia AC Relativa y Factor de Cresta: Indicando una menor variabilidad en ciertos componentes de la señal ponderada.
• Comparación con el Estado del Arte: La tabla de resultados (Tabla 4) muestra que las características espectrales propuestas superan a los parámetros temporales de un modelo GMM previo (referencia [61]) en la mayoría de las comparaciones de grupos, logrando valores p más bajos y mayor separabilidad.
• Limitaciones: En el grupo de cáncer de pulmón (G6), aunque se observaron tendencias claras en los diagramas de caja (sin superposición), la significancia estadística no se alcanzó debido al pequeño tamaño de la muestra (2 pacientes).

5. Significado e Impacto

Este trabajo demuestra que las técnicas de IA Explicable no solo sirven para validar modelos de "caja negra", sino que son herramientas poderosas para descubrir biomarcadores acústicos específicos de enfermedades.

• Mejora Diagnóstica: La capacidad de distinguir patrones de tos específicos de la EPOC frente a otras enfermedades respiratorias sugiere que el análisis de sonido de tos, potenciado por XAI, puede convertirse en una herramienta de diagnóstico no invasiva y de bajo costo.
• Monitoreo Remoto: Al eliminar la necesidad de una delimitación temporal precisa y ofrecer resultados interpretables, el método es ideal para sistemas de telemedicina y monitoreo continuo en el hogar.
• Comprensión Fisiológica: Los resultados sugieren que la EPOC altera la estructura espectral de la tos de manera distintiva (mayor dispersión de energía y variabilidad), lo cual podría relacionarse con la obstrucción de las vías aéreas y la mecánica respiratoria alterada de estos pacientes.

En conclusión, el artículo valida que la combinación de detección profunda con análisis espectral guiado por XAI supera a los métodos tradicionales, ofreciendo una vía prometedora para la caracterización automática y explicativa de enfermedades respiratorias crónicas.