Análisis de sonidos respiratorios en un modelo de traqueomalacia en conejos

Por qué importa escuchar la respiración

Los médicos suelen diagnosticar problemas respiratorios graves, como una tráquea flácida, mediante exploraciones y pequeñas cámaras introducidas en la vía aérea. Estas pruebas pueden resultar estresantes, sobre todo para bebés y niños pequeños, y no siempre son sencillas de repetir. Este estudio investiga si la escucha atenta de los sonidos respiratorios, combinada con análisis informáticos modernos, podría ofrecer una forma suave y no invasiva de detectar cuando la tráquea está demasiado blanda y tiende a colapsar.

Cuando la tráquea se vuelve blanda

La traqueomalacia es una condición en la que la tráquea pierde rigidez y tiende a estrecharse o colapsar durante la respiración. Las personas con este problema pueden presentar respiración ruidosa, falta de aliento y, en casos severos, episodios breves de apnea. Hoy en día, los médicos confían en radiografías, tomografías y broncoscopia—introducir un endoscopio en las vías respiratorias—para confirmar el diagnóstico. Estos métodos exponen a los pacientes a radiación, requieren sedación y conllevan ciertos riesgos, lo que es especialmente preocupante en recién nacidos y lactantes frágiles.

Construyendo un sustituto seguro para bebés enfermos

Dado que sería poco ético experimentar directamente con infantes, los investigadores crearon un modelo animal controlado que imita la vía aérea de un niño pequeño. Operaron a cinco conejos, retirando con cuidado parte de los anillos cartilaginosos que normalmente mantienen la tráquea abierta. Esto produjo una vía aérea debilitada que se ensanchaba durante la inhalación y se estrechaba durante la exhalación, asemejándose estrechamente a una forma importante de traqueomalacia. Usando una cápsula de estetoscopio clínico y un dispositivo de grabación estandarizado colocado en el cuello y el pecho, capturaron los sonidos respiratorios mientras también medían la presión dentro de la vía aérea, asegurando que los cambios en el sonido reflejaran verdaderamente cambios en el flujo de aire y en la forma de la vía aérea.

Transformar respiraciones en números

El equipo se centró en la fase de espiración, donde los sonidos eran más fuertes y consistentes. Utilizaron un conjunto de herramientas de análisis de audio ampliamente adoptado para dividir cada exhalación en fragmentos muy cortos y describir cada uno mediante miles de medidas simples, como su intensidad, cómo se distribuía su tono y timbre en las frecuencias, y cómo cambiaban esas propiedades en el tiempo. De cada respiración extrajeron 6.373 características de este tipo, y luego las redujeron a 51 que diferían de forma fiable entre tráqueas sanas y flácidas en al menos cuatro de los cinco conejos. Estas características sirvieron como materia prima para programas informáticos diseñados para distinguir ambas condiciones.

Entrenar ordenadores para detectar problemas

Se probaron tres tipos de modelos de aprendizaje automático: regresión logística, máquinas de vectores de soporte y un método moderno basado en árboles llamado LightGBM. Para evitar “hacer trampa”, los investigadores agruparon los datos por cada conejo y condición de la vía aérea, asegurándose de que respiraciones de la misma situación no acabaran tanto en los conjuntos de entrenamiento como en los de prueba. Todos los modelos funcionaron razonablemente bien, pero LightGBM destacó. Su capacidad para distinguir tráqueas normales de debilitadas alcanzó un nivel de precisión que, en estadísticas médicas, se considera sólido: el área bajo la curva superó 0,78 para respiraciones individuales y 0,80 cuando las decisiones se promediaron por conejo. Las características más relevantes fueron componentes de baja frecuencia de los denominados coeficientes cepstrales en la escala Mel, herramientas tomadas del reconocimiento del habla que son especialmente eficaces para captar la “forma” general y las fluctuaciones sutiles de un sonido.

Lo que revelan los sonidos

La importancia de estos patrones de baja frecuencia sugiere que una tráquea que colapsa cambia cómo fluye el aire por la garganta de maneras demasiado sutiles para el oído humano, pero lo bastante claras para los algoritmos. Incluso cuando los sonidos respiratorios no presentaban sibilancias evidentes, los modelos aún podían detectar pequeñas distorsiones en el tono y el ritmo que señalaban un estrechamiento de la vía aérea. De manera notable, esto se logró usando equipos médicos estándar similares a los que los médicos ya emplean para la auscultación cotidiana, combinados con un procesamiento informático relativamente sencillo.

De conejos de laboratorio a las salas pediátricas

Puesto que las tráqueas de los conejos son similares en tamaño a las de los recién nacidos, este modelo ofrece un banco de pruebas realista para herramientas destinadas al cuidado pediátrico. Aunque el estudio usó sólo cinco animales y un tipo específico de debilitamiento de la vía aérea, sienta una base crucial. Los resultados muestran que las grabaciones de sonido no invasivas, emparejadas con aprendizaje automático, pueden señalar de forma fiable una tráquea flácida sin necesidad de radiación ni endoscopios. Con estudios más amplios y pruebas en pacientes humanos, este enfoque podría evolucionar hacia una herramienta de cribado en la cabecera que ayude a los médicos a decidir qué niños necesitan realmente pruebas invasivas y cuáles pueden monitorizarse de forma segura usando nada más que un “estetoscopio inteligente” sensible.»

Cita: Ismael, A.C., Omiya, Y., Higuchi, M. et al. Respiratory sound analysis in a rabbit tracheomalacia model. Sci Rep 16, 12249 (2026). https://doi.org/10.1038/s41598-026-42275-8

Palabras clave: traqueomalacia, sonidos respiratorios, aprendizaje automático, diagnóstico no invasivo, vía aérea pediátrica