I marcatori degli esami del sangue hanno aiutato a segnalare il rischio di perdita dell’udito legato all’età

Un modello costruito a partire dai risultati di esami del sangue ordinari ha identificato gli adulti a più alto rischio di perdita dell'udito legata all'età, con marcatori di zucchero nel sangue che svolgono gran parte del lavoro predittivo.

La perdita dell'udito legata all'età è una delle condizioni più comuni della vita adulta e una delle più tranquillamente tollerate. Le persone tendono a notarlo anni dopo il suo inizio, spesso quando la conversazione in una stanza affollata è diventata davvero un duro lavoro. A quel punto l’aggiustamento sarà più ampio del necessario.

Questo ritardo è ciò che rende interessante l'identificazione precoce. Un team della Chongqing Medical University e del Chongqing General Hospital ha posto una domanda insolita: è possibile che le analisi del sangue di routine, del tipo già presente in milioni di cartelle cliniche, possano identificare chi potrebbe avere una perdita dell’udito legata all’età prima che qualcuno prenoti un test dell’udito? La loro risposta, pubblicata su Diagnostics, è un sì con riserva.

Contesto: perché i ricercatori hanno esaminato questo aspetto

La perdita dell'udito legata all'età, che i medici chiamano presbiacusia e abbreviano in ARHL, è il graduale declino dell'udito che accompagna l'invecchiamento. In genere vengono prima le frequenze alte, motivo per cui le consonanti si confondono prima delle vocali, e perché la lamentela iniziale è così spesso che le persone borbottano piuttosto che che le cose sono silenziose.

Per diagnosticarla correttamente è necessario un audiogramma, un test dell'udito condotto in un ambiente controllato. Questo è un ottimo strumento, ma dipende da qualcuno che decide di andare a fare il test. A livello di popolazione, tale decisione viene presa tardi e spesso non viene presa affatto, il che lascia un ampio gruppo di persone con perdite uditive non trattate e senza alcuna segnalazione nei loro registri.

L'idea dei ricercatori era di lavorare con dati già esistenti. I prelievi sanguigni di routine vengono raccolti costantemente per altri motivi. Se l’ARHL lascia una firma rilevabile nei normali marcatori del sangue, quella firma potrebbe essere utilizzata per classificare vaste popolazioni in un rischio più alto o più basso, indirizzando le persone che hanno maggiori probabilità di trarre beneficio da un vero test dell’udito. Si tratta di uno strumento di prescreening, non di una diagnosi, e la distinzione attraversa l’intero articolo.

Come è stato svolto lo studio

Il team ha riunito 542 partecipanti del National Health and Nutrition Examination Survey, l'indagine sanitaria americana di lunga durata nota come NHANES. Il campione è stato costruito come un disegno caso-controllo equilibrato: 271 persone con perdita dell'udito legata all'età e 271 controlli sani. I partecipanti sono stati poi divisi in modo casuale in un set di formazione contenente metà del campione e due set di validazione interna indipendenti di un quarto ciascuno.

Invece di impegnarsi in un unico approccio di modellazione, i ricercatori hanno confrontato sistematicamente 113 combinazioni di algoritmi di apprendimento automatico e hanno mantenuto il miglior risultato, una combinazione di glmBoost e modellazione lineare generalizzata graduale in avanti. Hanno quindi applicato un metodo chiamato SHAP, che calcola quanto ciascun input ha contribuito a una determinata previsione. Questo passaggio è ciò che il documento intende per "interpretabile": l'obiettivo era un modello il cui ragionamento potesse essere ispezionato piuttosto che una scatola nera che emette semplicemente una risposta.

Testare un modello sulla stessa popolazione che lo ha addestrato è lusinghiero, quindi il team ha eseguito anche una validazione esterna su una coorte separata di pazienti 92 dell'Ospedale popolare di Chongqing. Infine hanno creato uno strumento web interattivo utilizzando il framework R Shiny, in modo che il modello potesse essere utilizzato per la valutazione del rischio in tempo reale anziché vivere solo in un diario.

Cosa hanno scoperto i ricercatori

Sui dati di addestramento il modello ha raggiunto un AUC di 0.948. L'AUC, o area sotto la curva, riassume quanto bene un modello separa due gruppi: 0.5 è il lancio di una moneta e 1.0 è perfetto, quindi 0.948 è forte. Nei due set di convalida interna ha resistito, ottenendo punteggi 0.893 e 0.945, con una precisione complessiva di 86.3%.

Il test più significativo è stato quello esterno. Trasferito ai pazienti 92 provenienti da un paese diverso e da un sistema sanitario diverso, le prestazioni sono diminuite ma non crollate, con un AUC da 0.839 (95% CI da 0.750 a 0.918) e accuratezza di 77.2%. Un calo di tale entità quando un modello esce di casa è normale e, in un certo senso, rassicurante: suggerisce che il modello ha imparato qualcosa sulla perdita dell’udito piuttosto che qualcosa su NHANES.

Il modello si basava su nove caratteristiche predittive chiave. I tre che avevano il peso maggiore nell’analisi SHAP erano l’emoglobina glicata (HbA1c), il volume corpuscolare medio (MCV) e la glicemia. HbA1c è una misura della glicemia media nel corso degli ultimi tre mesi circa e MCV descrive la dimensione media dei globuli rossi.

I primi tre sono il risultato più interessante dell'articolo. Due dei tre principali predittori sono le misurazioni della glicemia, che pongono la salute metabolica al centro del ragionamento del modello sull’udito. Gli autori presentano questo come un indizio dei meccanismi sistemici alla base dell’ARHL, il che significa che la perdita dell’udito legata all’età potrebbe essere legata a ciò che accade nel resto del corpo piuttosto che essere un problema puramente locale nell’orecchio.

Vale la pena fare attenzione a ciò che mostra. Queste sono le associazioni trovate in un modello di previsione. Lo studio non dimostra che un livello elevato di zucchero nel sangue causi la perdita dell’udito e un marcatore può essere predittivo senza essere causale.

Cosa significa per le persone con perdita dell'udito

Nessuno dovrebbe leggere questo studio e concludere che un esame del sangue possa dire se ha una perdita dell'udito. Gli autori sono espliciti nel dire che si tratta di uno strumento di prescreening per grandi popolazioni, non di un test diagnostico per un individuo, e un audiogramma rimane il modo per scoprire cosa sta effettivamente facendo il tuo udito.

Ciò che suggerisce è un cambiamento nel modo in cui potrebbe essere diagnosticata la perdita dell'udito. Oggi il sistema aspetta che le persone se ne accorgano e agiscano. Un modello come questo punta al contrario: identificare i casi probabili partendo dai dati già raccolti, quindi invitare quelle persone a sottoporsi al test. La parte interessante non è l’algoritmo ma l’inversione di chi fa il primo passo.

È disponibile anche un modesto servizio d'asporto personale. Se i marcatori metabolici hanno questo peso predittivo, allora il diabete e il controllo della glicemia rientrano nella stessa conversazione dell’udito, che non è dove la maggior parte delle persone li inserisce. E qualunque sia il rischio, la bandiera vale qualcosa solo se il passo successivo è abbastanza facile da essere effettivamente intrapreso dalle persone.

La segnalazione del rischio è utile solo se il test è facile da raggiungere

L'intera premessa di questo studio è che la perdita dell'udito non viene misurata per troppo tempo. Un modello di prescreening riduce il divario da un lato identificando chi dovrebbe essere testato. L'altra estremità del divario è ciò che accade dopo, ed è lì che un test che puoi sostenere cambia l'aritmetica.

Poiché questo studio mira fondamentalmente a identificare precocemente la perdita dell'udito, i dispositivi che effettuano il proprio controllo dell'udito sono rilevanti per lo stesso problema. Panda Quantum appartiene alla categoria degli apparecchi acustici per test di autoudito: lo abbini all'app Panda, che esegue un test specifico della frequenza attraverso l'apparecchio stesso e programma il guadagno e la risposta in frequenza all'audiogramma, come un adattamento clinico. Panda Air include lo stesso test basato su app. La personalizzazione dell'udito basata su app è ciò che trasforma un dispositivo in qualcosa che si adatta al tuo udito piuttosto che in un amplificatore generico.

Quantum è un ausilio ricevitore nel canale con elaborazione del canale 16 e riduzione attiva del rumore, mirato a parlare chiaramente in ambienti rumorosi, dove la perdita dell'udito legata all'età di solito si manifesta per prima. Offre fino a 80 ore di batteria totale con la sua custodia, Bluetooth per chiamate, TV e musica e viene fornito con una garanzia di 5 anni e resi entro 45 giorni. Un avvertimento che vale la pena tenere in considerazione: gli apparecchi acustici da banco sono approvati per perdite uditive da lievi a moderate e le perdite gravi o profonde continuano a trarre maggiori benefici da un adattamento clinico.

Puoi leggere di più su pandahearing.com/products/panda-hearing-aids-quantum.

Limitazioni di questa ricerca

Il campione è piccolo per questo tipo di lavoro. Un totale di 542 partecipanti suddivisi in gruppi di formazione e convalida lascia numeri modesti in ciascuno, e la convalida esterna si è basata solo su 92 casi provenienti da un singolo centro, una limitazione segnalata dagli stessi autori. Una coorte esterna monocentrica verifica la portabilità solo debolmente, poiché i pazienti di un ospedale portano con sé le proprie peculiarità. Il disegno equilibrato, con un numero uguale di casi e controlli, inoltre non riflette quanto sia effettivamente comune l'ARHL nella popolazione generale, il che influisce sul modo in cui i dati sull'accuratezza si traducono nello screening del mondo reale.

C'è anche una questione più sottile. Confrontare le combinazioni di algoritmi 113 e selezionare il vincitore è una procedura che tende a produrre risultati ottimistici, perché il migliore di molti candidati viene in parte ricompensato per il rumore di adattamento. La convalida esterna è il controllo appropriato e il passaggio da 0.948 a 0.839 è più o meno ciò che tale preoccupazione potrebbe prevedere. Gli autori sono anche attenti a posizionare il modello come uno strumento di prescreening piuttosto che come un test diagnostico per individui della stessa età. Nell'abstract non sono stati indicati interessi concorrenti o fonti di finanziamento.

Cosa fare con questo

Trattalo come un segnale di direzione piuttosto che come un risultato su cui puoi agire personalmente. Niente qui cambia ciò che un individuo dovrebbe fare riguardo al proprio udito, e nessun esame del sangue ti dirà se hai bisogno di aiuto per ascoltare i tuoi nipoti. Ciò che suggerisce è che la perdita dell’udito legata all’età potrebbe essere più visibile nei dati sanitari ordinari di quanto si pensasse, e che lo zucchero nel sangue è più vicino a questa storia di quanto la maggior parte delle persone possa immaginare. Se un modello come questo dovesse finalmente trovare posto nella pratica, l’effetto sarebbe che la perdita dell’udito verrà scoperta prima, il che è sempre stata la parte difficile.

He D, Liu Y, Ke J, Jiang X, Ma H, Shi Y, Yuan W. Sviluppo e convalida di un modello interpretabile di apprendimento automatico basato su biomarcatori del sangue di routine: per prevedere la perdita dell'udito legata all'età. Diagnostica (Basilea). 2026;16(13). Estratto da PubMed. https://doi.org/10.3390/diagnostics16132025