19-06-2023

Несмотря на более чем 200-летний опыт использования стетоскопа в медицинской практике, аускультация остается во многом субъективной методикой, зависящей от конкретного специалиста, выполняющего исследование. Точность интерпретации зависит от опыта и специализации медицинского работника. Эти проблемы представляют собой идеальную возможность для применения искусственного интеллекта (ИИ), основанного на глубоком обучении (deep learning), который может предложить более объективную интерпретацию звуковых паттернов, получаемых в ходе аускультации. Глубокое обучение уже доказало свою ценность в оценке таких медицинских исследований как рентгенография и МРТ.

Реклама

Группа ученых из Швейцарии представила электронный стетоскоп (Pneumoscope), оснащенный алгоритмом DeepBreath, позволяющим автоматически интерпретировать результаты аускультации. Результаты исследования представлены в журнале Nature.

Алгоритм был обучен на данных пациентов из Швейцарии и Бразилии, а затем проверен на записях из Сенегала, Камеруна и Марокко, что позволило оценить его географическую адаптивность. В исследовании приняли участие записи 572 педиатрических амбулаторных пациентов (младше 15 лет) из пяти стран, основное внимание уделялось трем наиболее распространенным типам респираторных заболеваний у детей – пневмонии (подтвержденной рентгенографией), клинически диагностированным бронхиолиту и астме. Для анализа чувствительности и специфичности данной диагностической методики был выполнен ROC анализ (значение площади под ROC кривой составило 0.93 ± 0.01). Таким образом, несмотря на небольшую когорту пациентов, DeepBreath продемонстрировал впечатляющие результаты, что говорит о потенциале дальнейшего совершенствования данного алгоритма при увеличении количества данных.

Авторы указывают на еще одно преимущество – скорость исследования. Для корректного определения патологических звуков достаточно 5-10 секунд записи из 4 точек аускультации.

В настоящее время команда ученых сосредоточена на подготовке DeepBreath для применения в рутинной клинической практике. Следующий шаг – повторить исследование с большим количеством пациентов, используя записи, сделанные с помощью улучшенной версии электронного стетоскопа, который также фиксирует температуру и уровень кислорода крови для увеличения точности исследования.

Материал подготовлен в рамках проекта «Медицина в точке бифуркации». Проект поддержан грантом Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий»

Источник: Heitmann J., Glangetas A., Doenz J. et al. DeepBreath—automated detection of respiratory pathology from lung auscultation in 572 pediatric outpatients across 5 countries. npj Digit. Med. 6, 104

Реклама