La investigación analizó 278 niños con hipoacusia neurosensorial bilateral severa o profunda, procedentes de entornos lingüísticos diversos (inglés, español y cantonés). Todos ellos fueron sometidos a resonancias magnéticas cerebrales antes de recibir el implante coclear, lo que permitió a los investigadores "extraer información neuroanatómica detallada y entrenar distintos modelos predictivos".

El objetivo del estudio fue comparar algoritmos tradicionales de 'machine learning' con técnicas más avanzadas de aprendizaje profundo por transferencia ('deep transfer learning'), con el fin de "predecir qué niños desarrollarían un lenguaje oral funcional elevado y cuáles tendrían una evolución más limitada entre uno y tres años después de la implantación." La heterogeneidad de protocolos de resonancia entre los centros participantes supuso "un reto adicional" que, según los autores, "reforzó la robustez del modelo final".

Los resultados mostraron que ese sistema de IA alcanzó una precisión del 92,39%, con una sensibilidad del 91,22%, una especificidad del 93,56% y un área bajo la curva (AUC) de 0,98, "superando de forma clara a los métodos predictivos convencionales utilizados hasta ahora en la práctica clínica". El modelo fue capaz de clasificar con alta fiabilidad a los pacientes "según su probabilidad de éxito en el desarrollo del lenguaje hablado".

El trabajo, titulado 'Forecasting Spoken Language Development in Children With Cochlear Implants Using Preimplant Magnetic Resonance Imaging', fue desarrollado por un consorcio internacional de investigadores liderado por Yanlin Wang, Di Yuan, Shani Dettman, Dawn Choo, Emily Shimeng Xu, Denise Thomas, Maura E. Ryan, Patrick C. M. Wong y Nancy M. Young, con la participación de varios centros clínicos y universitarios de Estados Unidos, Australia y Hong Kong. Entre las instituciones implicadas figura el Ann & Robert H. Lurie Children’s Hospital of Chicago, uno de los hospitales pediátricos de referencia mundial en audiología e implantación coclear.

UN AVANCE EMOCIONANTE

"Nuestros resultados respaldan la viabilidad de un único modelo de inteligencia artificial como herramienta pronóstica robusta para los resultados del lenguaje de niños atendidos por programas de implantes cocleares en todo el mundo. Esto supone un avance emocionante para el campo", afirmó la directora médica del programa de Audiología e Implantes Cocleares del hospital infantil de Chicago y una de las autoras principales del estudio, la doctora Nancy M. Young.

Young destacó que este enfoque permite avanzar hacia un modelo clínico de 'predict-to-prescribe', en el que la predicción guía la intervención. "Esta herramienta basada en IA permite optimizar el desarrollo del lenguaje determinando qué niño puede beneficiarse de una terapia más intensiva desde antes de la implantación", subrayó.

Los autores recordaron que, "pese a que el implante coclear es el tratamiento estándar para niños con pérdida auditiva severa o profunda, la evolución del lenguaje tras la cirugía sigue siendo muy variable y difícil de anticipar con los criterios clínicos actuales". Esta incertidumbre "condiciona tanto la planificación terapéutica como las expectativas de las familias y de los propios profesionales sanitarios".

Según el estudio, la posibilidad de predecir resultados lingüísticos a partir de la estructura cerebral previa al implante permitiría "identificar de forma temprana a los niños con mayor riesgo de dificultades, intensificar desde el inicio la terapia del habla y el lenguaje y reducir las desigualdades en los resultados a largo plazo".

Los autores subrayaron además que "se trata del mayor estudio realizado hasta la fecha que utiliza medidas cerebrales para construir un modelo predictivo en implantación coclear", y destacaron que la variabilidad entre centros, idiomas y protocolos clínicos (tradicionalmente un obstáculo) podría convertirse en una fortaleza cuando se aborda con técnicas de aprendizaje profundo bien entrenadas. Según el trabajo, los rasgos neuroanatómicos previos a la cirugía contienen información suficiente para anticipar la respuesta lingüística posterior, independientemente de las pruebas de evaluación empleadas en cada país.

Aunque el estudio reconoce limitaciones, como el uso de una clasificación binaria de resultados o la necesidad de mejorar la modelización volumétrica completa del cerebro, los investigadores coincidieron en que estos hallazgos "suponen un primer paso hacia planes terapéuticos personalizados, ajustados al perfil neurológico de cada niño". El objetivo final de estos avances es "optimizar los resultados del implante coclear mediante decisiones clínicas más informadas desde el periodo preoperatorio".

La investigación contó con financiación pública del Research Grants Council de Hong Kong y de los National Institutes of Health (NIH) de Estados Unidos, lo cual refuerza su solidez metodológica y el interés internacional por integrar la inteligencia artificial en la medicina de precisión aplicada a la salud auditiva infantil, según explicaciones del equipo investigador. Aunque los autores señalaron la necesidad de validar el modelo en cohortes aún más amplias, concluyeron que este enfoque sitúa a la IA como una herramienta clave "para transformar la implantología coclear pediátrica, optimizar la toma de decisiones clínicas y mejorar el pronóstico del lenguaje y la calidad de vida de miles de niños en todo el mundo".