Descripció del projecte
RESUM DEL PROJECTE
La disfàgia orofaríngia (DO) és un trastorn digestiu caracteritzat per la dificultat o incomoditat per formar i moure el bol alimentari de manera eficaç i segura des de la boca a l’esòfag, incloent les aspiracions orofaríngies. La DO està associada al desenvolupament de complicacions greus com la malnutrició, deshidratació, infeccions respiratòries i pneumònia per aspiració (PA), així com a un augment dels dies d’ingrés, reingressos hospitalaris i mortalitat.
Aquesta tesi doctoral aborda diversos aspectes relacionats amb el cribratge i el diagnòstic de la disfàgia orofaríngia (DO) en pacients amb COVID-19, així com la detecció i diagnòstic de la pneumònia aspirativa (PA) en pacients amb DO. La tesi se centra a millorar el cribratge i diagnòstic de la DO en pacients amb COVID-19, així com a identificar i garbellar de manera precisa la pneumònia aspirativa en pacients amb disfàgia orofaríngia. Aquests avenços poden contribuir a una detecció primerenca i un tractament més eficaç d’aquestes condicions, millorant així la qualitat de vida i el pronòstic dels pacients.
Els principals objectius d’aquesta tesi són els següents: 1) Realitzar un estudi per millorar el cribratge de la DO en pacients amb COVID-19 mitjançant l’aprenentatge automàtic (AIMS-OD), a fi de detectar de manera més precisa i eficient els casos de DO relacionats amb aquesta malaltia, 2) Validar clínicament la segona versió de l’eina AIMS-OD utilitzant la videofluoroscòpia com a referència (gold standard), per avaluar la seva fiabilitat i precisió en el diagnòstic de la DO, 3) Desenvolupar la primera versió del predictor de risc per a la PA, basat en Intel·ligència Artificial, per identificar pacients amb DO amb un major risc de desenvolupar aquesta complicació respiratòria greu, 4) Realitzar la validació clínica de la primera versió de l’eina AIMS-AP, també basada en Intel·ligència Artificial, per a la detecció i diagnòstic de la PA en pacients amb DO, utilitzant la radiografia amb infiltracions pulmonars i el diagnòstic de la DO amb alteracions de la seguretat com a gold standard.
HIPÒTESI
La hipòtesi general d’aquesta tesi és que l’ús de l’aprenentatge automàtic i la intel·ligència artificial pot millorar el cribratge i diagnòstic de la disfàgia orofaríngia (DO) en pacients amb COVID-19, així com la detecció i diagnòstic de la pneumònia aspirativa (PA) en pacients amb DO. A més, es planteja que aquestes eines basades en intel·ligència artificial seran capaces de proporcionar resultats fiables i precisos en el diagnòstic de la DO i la PA, utilitzant les referències clíniques establertes com a gold standard. En conjunt, es considera que aquests avenços en el cribratge i diagnòstic de la DO i la PA tindran un impacte positiu en la qualitat de vida i el pronòstic dels pacients afectats.
Les nostres hipòtesis específiques són:
1. L’aplicació de l’aprenentatge automàtic (AIMS-OD) al cribratge de la disfàgia orofaríngia (DO) en pacients amb COVID-19 millorarà la detecció precisa i eficient dels casos de DO relacionats amb aquesta malaltia.
2. La segona versió de l’eina AIMS-OD, validada clínicament utilitzant la videofluoroscòpia com a referència (gold standard), demostrarà una alta fiabilitat i precisió en el diagnòstic de la DO.
3. El desenvolupament d’un predictor de risc basat en Intel·ligència Artificial per a la pneumònia aspirativa (PA) permetrà identificar de manera efectiva els pacients amb DO que tenen més risc de desenvolupar aquesta complicació respiratòria greu.
4. La primera versió de l’eina AIMS-AP, basada en Intel·ligència Artificial i validada clínicament, demostrarà la seva eficàcia en la detecció i el diagnòstic de la PA en pacients amb DO, utilitzant la radiografia amb infiltracions pulmonars i el diagnòstic de la DO amb alteracions de la seguretat com a referència (gold standard).
OBJECTIUS GENERALS:
1. Millorar el cribratge i diagnòstic de la disfàgia orofaríngia (DO) en pacients amb COVID-19.
2. Millorar la detecció i diagnòstic de la pneumònia aspirativa (PA) en pacients amb disfàgia orofaríngia (DO).
