Новый алгоритм искусственного интеллекта, разработанный в EPFL и University Hospital Geneva (HUG), будет использоваться в интеллектуальном стетоскопе Pneumoscope с потенциалом улучшения лечения респираторных заболеваний.
Когда воздух проходит через лабиринт маленьких проходов в легких, он издает характерный свистящий звук. Когда эти проходы сужаются при астматическом воспалении или забиваются инфекционными выделениями при бронхите, звук меняется характерным образом. Выявление этих диагностических признаков с помощью стетоскопа является неизбежным элементом почти каждого медицинского обследования.
Однако, несмотря на двухвековой опыт использования стетоскопов, интерпретация аускультации все еще остается крайне субъективной. При этом в зависимости от того, в какой точке мира вы находитесь, один и тот же звук может быть по-разному описан. На точность также влияет опыт медицинского работника и его специализация.
Эти сложности делают задачу идеальной для глубокого обучения, которое способно более объективно различать звуковые паттерны. Технология уже показала, что она может дополнить человеческое восприятие при интерпретации ряда сложных медицинских обследований, таких как рентгеновские снимки и МРТ.
Теперь в новом исследовании, опубликованном в журнале Nature Digital Medicine, исследовательская группа EPFL описала свой алгоритм ИИ DeepBreath, который демонстрирует потенциал автоматизированной интерпретации в диагностике респираторных заболеваний.
"Что делает это исследование особенно уникальным, так это разнообразие и тщательный сбор банка аускультативных звуков, - сказала старший автор исследования доктор Мэри-Энн Хартли. - Почти 600 педиатрических амбулаторных пациентов были набраны в пяти странах - Швейцарии, Бразилии, Сенегале, Камеруне и Марокко. Звуки дыхания записывались у пациентов в возрасте до пятнадцати лет с тремя наиболее распространенными типами респираторных заболеваний - рентгенографически подтвержденной пневмонией и клинически диагностированным бронхиолитом, а также астмой".
"Респираторные заболевания являются причиной номер один предотвратимой смертности в этой возрастной группе, - объясняет профессор Ален Жерве, заведующий кафедрой педиатрической медицины HUG и основатель стартапа Onescope, который выведет на рынок стетоскоп с алгоритмом DeepBreath. - Эта работа прекрасный пример успешного сотрудничества между HUG и EPFL, между клиническими исследованиями и фундаментальной наукой. Pneumoscope с алгоритмом DeepBreath - это прорывная инновация для диагностики и лечения респираторных заболеваний".
Команда доктора Хартли руководит разработкой ИИ для Onescope. "Многоразовые, не требующие расходных материалов диагностические инструменты, такие как этот интеллектуальный стетоскоп, обладают уникальным преимуществом - гарантированной устойчивостью, - пояснила она. - Инструменты ИИ также обладают потенциалом постоянного самосовершенствования, и я надеюсь, что мы сможем расширить алгоритм на другие респираторные заболевания и группы населения, получив дополнительные данные".
Алгоритм DeepBreath был обучен на пациентах из Швейцарии и Бразилии, а затем проверен на записях из Сенегала, Камеруна и Марокко, что дает представление о географической обобщаемости инструмента. "Вы можете себе представить, что существует множество различий между отделениями неотложной помощи в Швейцарии, Камеруне и Сенегале, - говорит д-р Хартли и перечисляет примеры "звуковой ландшафт фонового шума, то, как врач держит стетоскоп, устройство записывающее звук, эпидемиология и местные протоколы диагностики".
При достаточном количестве данных алгоритм должен быть устойчив к этим нюансам и находить сигнал среди шума. Несмотря на небольшое количество пациентов, DeepBreath продемонстрировал впечатляющие результаты в разных местах, что указывает на потенциал дальнейшего совершенствования при увеличении количества данных.
Особенно уникальным вкладом исследования стало включение методов, направленных на раскрытие внутренней работы "черного ящика" алгоритма. Авторы смогли продемонстрировать, что модель действительно использует дыхательный цикл для своих прогнозов, и показать, какие его части наиболее важны. Доказательство того, что алгоритм действительно использует звуки дыхания, а не "обманывает", используя предвзятые сигнатуры в фоновом шуме, является критическим пробелом в существующей литературе.
Междисциплинарная команда работает над подготовкой алгоритма к реальному использованию в интеллектуальном стетоскопе Pneumoscope. Следующей важной задачей является повторение исследования на большем количестве пациентов с использованием записей с этого недавно разработанного стетоскопа, который также регистрирует температуру пациента и насыщение крови кислородом. "Объединение этих сигналов вместе, вероятно, еще больше улучшит прогнозы", - прогнозирует д-р Хартли.
Комментарии
(0) Добавить комментарий