Predicția severității tinitusului cu ajutorul AI: sănătatea auditivă, somnul și starea afectivă sunt factori cheie

Un studiu internațional condus de cercetători din Canada și Franța, publicat în mai 2025 în revista Nature Communications, a utilizat modele de învățare automată pentru a identifica factorii de risc ai tinitusului subiectiv și pentru a anticipa evoluția severității simptomelor în timp. Analiza a inclus date de la peste 190.000 de persoane din UK Biobank și un grup de validare din baza Tinnitus Research Initiative (TRI), contribuind astfel la o mai bună înțelegere a predicției clinice în tinitus.

Context

tinitusul subiectiv este o percepție auditivă fără sursă externă (zumzet, țiuit, fâșâit), afectând aproximativ 14% din populația adultă. Deși pentru mulți pacienți nu este deranjant, un subset important dezvoltă forme severe, însoțite de distres emoțional, tulburări cognitive și disfuncții sociale.

Deoarece nu există tratament curativ, prevenția și gestionarea eficientă a factorilor de risc devin esențiale pentru reducerea impactului bolii.

Despre studiu

Studiul a analizat datele a 192.993 de participanți din UK Biobank, dintre care 41.042 (21,3%) au raportat simptome de tinitus. Dintre aceștia, 22,7% au prezentat distres moderat sau sever.

Participanții aveau vârste între 40 și 69 de ani și au fost evaluați în două vizite:

• V1: aprilie 2009 – noiembrie 2021 (evaluare inițială)

• V2: august 2012 – februarie 2023 (reevaluare)

Pentru antrenarea modelelor ML, cercetătorii au selectat 101 variabile relevante clinic: sănătate auditivă, sănătate mintală, somn, activitate fizică, date sociodemografice. Algoritmul utilizat a fost NIPALS (nonlinear iterative partial least squares regression), performant în gestionarea seturilor de date clinice complexe.

S-au creat două modele:

• Modelul de prezență a tinitusului (n = 166.119)

• Modelul de severitate a simptomelor (n = 35.942)

Rezultate

Factori de risc

• Sănătatea auditivă a fost cel mai puternic predictor al atât prezenței cât și severității tinitusului:

  • Dificultăți auditive auto-raportate și testate

  • Dificultăți în înțelegerea vorbirii în zgomot

  • Utilizarea aparatelor auditive sau implanturilor cohleare

• Alte variabile asociate severității crescute:

  • Tulburările de somn

  • Starea de spirit (scoruri depresive, anxietate)

  • Trăsătura de personalitate neuroticism

Performanța modelelor

• Modelul de prezență nu a reușit să prezică eficient evoluția tinitusului în timp:

  • AUC < 0,60

  • Variabilitate explicată redusă (~12,5%)

• Modelul de severitate a arătat performanță mai bună:

  • AUC ROC până la 0,81

  • Performanță crescută la anticiparea aggravării distresului auditiv

Modelul simplificat: POST

Pentru utilizare clinică, cercetătorii au derivat un model simplificat numit POST (Prediction Of the Severity of Tinnitus), bazat pe doar 6 variabile esențiale: auz, somn, dispoziție și trăsături de personalitate.

• POST a fost validat pe un eșantion independent (TRI, n = 463)

• A obținut un scor AUC de 0,94 pentru identificarea pacienților cu risc crescut de a dezvolta tinitus sever cu distres

Concluzii

Acest studiu marchează un pas important în direcția predicției personalizate a tinitusului, oferind mai multe concluzii cheie:

• Sănătatea auditivă este principalul factor asociat cu apariția și severitatea tinitusului, întărind nevoia de intervenții preventive timpurii

• Factori modificabili, precum somnul, dispoziția și neuroticismul, influențează intensitatea cu care este perceput tinitusul

• Modelul POST ar putea fi integrat în practica clinică pentru:

  • Trierea pacienților cu risc mare

  • Optimizarea alocării resurselor

  • Inițierea intervențiilor psihiatrice sau audiologice cât mai devreme

Limitări

• Lipsa diversității etnice în UK Biobank (91% participanți albi)

• Excluderea hiperacuziei ca variabilă analizată

• Puterea predictivă limitată a modelelor (sub 10% din variabilitatea severității este explicată), indicând nevoia de factori biologici și de mediu suplimentari