Análise dos sons respiratórios em um modelo de traqueomalácia de coelho

Por que ouvir a respiração importa

Os médicos geralmente diagnosticam problemas respiratórios graves, como uma traqueia flácida, usando exames de imagem e pequenas câmeras inseridas nas vias aéreas. Esses testes podem ser estressantes, especialmente para bebês e crianças pequenas, e nem sempre são fáceis de repetir. Este estudo investiga se a escuta cuidadosa dos sons respiratórios, combinada com análise computacional moderna, poderia oferecer uma forma suave e não invasiva de detectar quando a traqueia está muito mole e propensa a colapsar.

Quando a traqueia fica mole

A traqueomalácia é uma condição na qual a traqueia perde sua rigidez e tende a estreitar-se ou colapsar durante a respiração. Pessoas com esse problema podem apresentar respiração ruidosa, falta de ar e, em casos graves, episódios breves de parada respiratória. Atualmente, os médicos dependem de radiografias, tomografias e broncoscopia — introdução de um endoscópio nas vias aéreas — para confirmar o diagnóstico. Esses métodos expõem os pacientes à radiação, exigem sedação e apresentam riscos, o que é uma preocupação particular em recém-nascidos e lactentes frágeis.

Construindo um substituto seguro para bebês doentes

Como seria antiético experimentar diretamente em lactentes, os pesquisadores criaram um modelo animal controlado que imita as vias aéreas de uma criança pequena. Eles operaram cinco coelhos, removendo cuidadosamente parte das anilhas cartilaginosas que normalmente mantêm a traqueia aberta. Isso produziu uma via aérea enfraquecida que se alargava na inspiração e se estreitava na expiração, assemelhando-se de perto a uma forma importante de traqueomalácia. Usando a cabeça de um estetoscópio clínico e um dispositivo de gravação padronizado posicionados no pescoço e no tórax, capturaram sons respiratórios enquanto também mediam a pressão dentro da via aérea, garantindo que as alterações sonoras refletissem de fato mudanças no fluxo de ar e na forma das vias aéreas.

Transformando respirações em números

A equipe concentrou-se na fase de expiração, onde os sons eram mais fortes e consistentes. Eles usaram um kit de ferramentas amplamente adotado para análise de áudio para dividir cada expiração em fatias muito curtas e descrever cada uma usando milhares de medidas simples, como intensidade sonora, distribuição de altura e timbre por frequências e como essas propriedades mudavam ao longo do tempo. De cada respiração extraíram 6.373 dessas características e, em seguida, reduziram-nas a 51 que diferiam de forma confiável entre traqueias saudáveis e flácidas em pelo menos quatro dos cinco coelhos. Essas características serviram como matéria-prima para programas de computador projetados para distinguir as duas condições.

Treinando computadores para ouvir problemas

Três tipos de modelos de aprendizado de máquina foram testados: regressão logística, máquinas de vetores de suporte e um método moderno baseado em árvores chamado LightGBM. Para evitar “trapaças”, os pesquisadores agruparam os dados por coelho e condição da via aérea, assegurando que respirações da mesma situação não aparecessem simultaneamente em conjuntos de treino e de teste. Todos os modelos tiveram desempenho razoável, mas o LightGBM se destacou. Sua capacidade de distinguir vias aéreas normais das enfraquecidas atingiu um nível de precisão que, nas estatísticas médicas, é considerado forte: a área sob a curva ficou acima de 0,78 para respirações individuais e acima de 0,80 quando as decisões foram mediadas por coelho. As características mais relevantes foram componentes de baixa frequência das chamadas coeficientes cefeistral em frequência Mel, ferramentas emprestadas do reconhecimento de fala que são especialmente boas em capturar a “forma” geral e flutuações sutis de um som.

O que os sons revelam

A importância desses padrões de baixa frequência sugere que uma traqueia em colapso altera o fluxo de ar pela garganta de maneiras sutis demais para o ouvido humano, mas claras o suficiente para algoritmos. Mesmo quando os sons respiratórios não apresentavam sibilos óbvios, os modelos ainda conseguiam detectar leves distorções no tom e no ritmo que sinalizavam o estreitamento da via aérea. Notavelmente, isso foi alcançado usando equipamento médico padrão semelhante ao que os médicos já utilizam no exame diário, combinado com processamento computacional relativamente simples.

Do laboratório de coelhos para alas pediátricas

Como as traqueias de coelho são semelhantes em tamanho às de recém-nascidos, esse modelo oferece um campo de testes realista para ferramentas voltadas ao cuidado pediátrico. Embora o estudo tenha usado apenas cinco animais e um tipo específico de enfraquecimento das vias aéreas, ele estabelece uma base crucial. Os resultados mostram que gravações sonoras não invasivas, associadas ao aprendizado de máquina, podem sinalizar com confiabilidade uma traqueia flácida sem necessidade de radiação ou endoscopia. Com estudos maiores e testes em pacientes humanos, essa abordagem poderia evoluir para uma ferramenta de triagem à beira do leito que ajuda os médicos a decidir quais crianças realmente precisam de exames invasivos — e quais podem ser acompanhadas com segurança usando nada mais do que um “estetoscópio inteligente” sensível.

Citação: 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

Palavras-chave: traqueomalácia, sons respiratórios, aprendizado de máquina, diagnóstico não invasivo, vias aéreas pediátricas