Diagnostic de l'hypernasalité assisté par intelligence artificielle à partir d'échantillons de parole évalués par le CAPS-A-AM dans la dysfonction vélopharyngée pédiatrique

Contexte et objectif. L'étude porte sur la classification binaire de l'hypernasalité par apprentissage automatique à partir de spectrogrammes mel de voyelles hautes (/i/ et /u/) générés à partir de voyelles soutenues, de mots isolés et de phrases. Trois approches ont été évaluées : régression logistique, CNN Attention-MIL (EfficientNet-V2-S) et hybride CNN-XGBoost. La population comprend 40 participants pédiatriques âgés de 2 à 17 ans, incluant des individus avec déficience vélopharyngée (DVP), des conditions associées à la DVP et des participants sains, recrutés dans une étude prospective monocentrique. Le standard de référence est un consensus de notation CAPS-A-AM établi par des orthophonistes, avec deux seuils de classification binaire : absent (0) versus toute hypernasalité (1-4), et absent/limite (0-1) versus hypernasalité légère à sévère (2-4). Résultats rapportés par les auteurs. Selon le résumé analysé, EfficientNet-V2-S a obtenu les meilleures estimations de performance observées dans cette cohorte (score F1 = 0,786-0,900). Les auteurs indiquent que plusieurs approches de modélisation indépendantes ont pu détecter l'hypernasalité évaluée cliniquement. Toutefois, les intervalles de confiance se chevauchaient, ce qui empêchait de démontrer la supériorité d'un modèle. Le résumé ne rapporte ni valeurs de sensibilité ou de spécificité, ni valeurs p, ni intervalles de confiance détaillés. Évaluation méthodologique selon les critères NeuroWatch. L'index test est documenté de manière adéquate : la nature des entrées vocales, le type de représentation (spectrogrammes mel) et les trois approches de modélisation sont explicitement décrits. La sélection des patients est également documentée de manière adéquate : taille d'échantillon, tranche d'âge, composition diagnostique et caractère prospectif monocentrique sont rapportés. Le standard de référence est documenté de manière adéquate : le consensus CAPS-A-AM et les deux seuils de classification binaire sont précisés. En revanche, la validation externe n'est pas rapportée dans la source analysée : aucune validation sur une cohorte indépendante n'est mentionnée, l'étude étant monocentrique avec des performances estimées dans la même cohorte. De même, le flux et la chronologie ne sont pas rapportés dans la source analysée : le résumé ne précise pas le caractère prospectif ou rétrospectif du recrutement, ni les intervalles entre l'index test et le standard de référence. Limites et informations non déterminables. L'analyse est limitée au résumé de la publication ; le texte intégral n'a pas été consulté. Par conséquent, plusieurs éléments ne sont pas déterminables à partir de la source analysée : les valeurs de sensibilité et de spécificité, les intervalles de confiance détaillés, les valeurs p, les sources de financement, les conflits d'intérêts, ainsi que les détails complets du flux de participants. L'absence de mention de validation externe dans le résumé ne signifie pas que cette validation n'a pas été réalisée ; elle n'est simplement pas rapportée dans la source analysée. Les calculs de robustesse et de confiance de l'analyse sont indéterminés en raison de la nécessité d'accéder au texte intégral. Appréciation NeuroWatch. L'analyse automatisée identifie une incohérence potentielle entre la conclusion des auteurs selon laquelle les approches d'apprentissage automatique « ont pu détecter l'hypernasalité évaluée cliniquement » et les résultats présentés dans le résumé, qui ne fournissent ni métriques de performance détaillées ni intervalles de confiance, tout en indiquant explicitement que les intervalles de confiance se chevauchaient. De plus, l'affirmation d'une « faisabilité prometteuse » repose sur une cohorte monocentrique de 40 participants sans validation externe rapportée, ce qui limite la portée des conclusions. Ces observations constituent l'appréciation de l'analyse NeuroWatch et se distinguent des conclusions des auteurs. Aucune recommandation clinique n'est formulée.

Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.