Improved stacking ensemble learning for objective tinnitus severity assessment based on functional near-infrared spectroscopy signals

Para millones de personas en todo el mundo, un sonido fantasma suena constantemente en sus oídos. Esta condición, conocida como tinnitus, no es un zumbido proveniente de una fuente externa, sino una percepción creada por el propio cerebro. Puede variar desde un tenue zumbido hasta un estruendo ensordecedor, lo que a menudo interrumpe el sueño, el estado de ánimo y la capacidad de disfrutar la vida diaria. Actualmente, los médicos no tienen una forma fiable de medir qué tan grave es el tinnitus para un paciente específico. El diagnóstico estándar se basa enteramente en que el paciente describa su sufrimiento a través de cuestionarios. Debido a que esto depende de sentimientos personales y de la memoria, los resultados pueden variar dramente de un día para otro o de una persona a otra, lo que dificulta el seguimiento del progreso o la personalización de los tratamientos. Los científicos han esperado durante mucho tiempo encontrar un marcador objetivo, una señal física en el cerebro que pudiera medirse como la presión arterial, para determinar la verdadera gravedad de la condición.

Un equipo de investigadores en Shanghái ha dado un paso significativo hacia ese objetivo combinando una herramienta especializada de imagen cerebral con un sofisticado método de aprendizaje computacional. Se centraron en la respuesta del cerebro al sonido, utilizando una tecnología llamada espectroscopia de infrarrojo cercano funcional. Este dispositivo emite luz infrarroja segura a través del cráneo para medir los cambios en los niveles de oxígeno en la sangre, que actúan como un indicador de la actividad cerebral. Cuando el cerebro trabaja más duro, consume más oxígeno y el flujo sanguíneo cambia en consecuencia. Al escuchar un tono específico y observar cómo reaccionan los niveles de oxígeno en sangre del cerebro, los investigadores capturaron una firma fisiológica única de la experiencia del tinnitus. Luego, introdujeron estas señales en un nuevo tipo de algoritmo informático diseñado para aprender patrones que los ojos humanos podrían pasar por alto.

Los investigadores reclutaron a sesenta adultos que sufrían de tinnitus subjetivo, lo que significa que el zumbido estaba solo en sus cabezas y no era causado por un problema mecánico externo. Antes de realizar cualquier escaneo, cada participante completó un cuestionario estándar para calificar la gravedad de su propio tinnitus, el cual sirvió como la verdad de referencia para el estudio. Los participantes fueron sentados en una habitación silenciosa y equipados con una gorra que contiene fuentes de luz y detectores. Escucharon una serie de tonos agudos durante dieciocho segundos, seguidos de dieciocho segundos de silencio, repitiendo este ciclo seis veces. Durante este tiempo, la gorra registró cómo cambiaban los niveles de oxígeno en diferentes partes de sus cerebros. Los investigadores se centraron en áreas específicas conocidas por manejar el sonido y el lenguaje, como los lóbulos temporal y frontal, dividiendo el flujo continuo de datos en fragmentos pequeños y manejables para analizar las sutiles fluctuaciones.

Para dar sentido a estos complejos datos, el equipo desarrolló una versión mejorada de una técnica de aprendizaje automático llamada Stacking (apilamiento). En una configuración tradicional, una computadora podría usar varios modelos diferentes para adivinar la respuesta y luego simplemente tomar el promedio de sus votos. Los investigadores encontraron que este enfoque era demasiado simple para la naturaleza ruidosa e intrincada de las señales cerebrales. En su lugar, construyeron un sistema más colaborativo. Utilizaron tres tipos distintos de modelos computacionales, cada uno con su propia fortaleza para detectar patrones, para analizar las señales cerebrales. En lugar de solo promediar sus resultados, el nuevo método permitió que estos modelos se comunicaran entre sí de una manera más avanzada. Combinaron sus predicciones, crearon nuevas y complejas relaciones entre los puntos de datos y otorgaron más influencia a los modelos que desempeñaban mejor en partes específicas de los datos. Este proceso se repitió muchas veces con diferentes agrupaciones de los datos para asegurar que el resultado final no fuera solo un golpe de suerte.

Los resultados mostraron una clara ventaja para este nuevo y mejorado enfoque. Cuando el equipo probó su sistema con un grupo de pacientes que nunca había visto, identificó correctamente la gravedad del tinnitus en el 96.31% de los casos. Este fue un salto significativo comparado con el método estándar, que logró una precisión de aproximadamente el 90%. El nuevo sistema fue particularmente bueno para distinguir entre los diferentes niveles de severidad, desde una molestia leve hasta una angustia severa. Los investigadores señalaron que, si bien la mejora puede parecer pequeña en puntos porcentuales, en el mundo del diagnóstico médico, pasar del 90% al 96% representa una herramienta mucho más fiable para los médicos. El sistema tradujo con éxito la experiencia invisible y subjetiva del zumbido en un número concreto y medible basado en cómo el cerebro reaccionaba físicamente al sonido.

A pesar de este éxito, los autores advierten cuidadosamente que el estudio aún no es una solución final para la práctica clínica. El grupo de pacientes que estudiaron fue relativamente pequeño, y los resultados deben ser confirmados con un mayor número de personas para asegurar que el método funcione para todos. El estudio tampoco incluyó un grupo de control que recibiera un tratamiento placebo, por lo que es posible que algunos de los cambios cerebrales estuvieran influenciados por las expectativas de los pacientes más que por el tinnitus en sí mismo. Además, la tecnología aún no se ha integrado en un flujo de trabajo hospitalario donde un médico pueda usarla en tiempo real durante una consulta. Sin embargo, el estudio proporciona una sólida prueba de concepto. Demuestra que, al escuchar los niveles de oxígeno del cerebro y utilizar una forma más inteligente de interpretarlos, es posible ir más allá de las conjeturas y comenzar a medir objetivamente una condición que durante mucho tiempo se ha definido únicamente por cuánto le duele a la persona que la padece.