Алгоритм диагностирует астму по звуку кашля ребенка с точностью 97%

Объединяя искусственный интеллект с достижениями в области акустической техники, австралийские исследователи разработали алгоритм, который может помочь в диагностике распространенных респираторных заболеваний у детей, таких как астма, круп и пневмония.

Учёные из Университета Кертин использовали звуки кашля 585 детей в возрасте от одного месяца до 12 лет, записанные в ходе обычных приёмов.

Сравнивая эффективность своего алгоритма с клиническими диагнозами, сделанными группой педиатров, исследователи убедились, что их инструмент правильно диагностировал астму в 97% случаев, и правильно исключил его с точностью 91%.  Для других заболеваний точность положительных и отрицательных диагнозов составила: пневмония - 87% и 85%; заболевания нижних дыхательных путей - 83% и 82%; круп - 85% и 82%; бронхиолит - 84% и 81%. 

Искусственный интеллект может играть важную роль в качестве диагностического средства высокого уровня в оценке распространенных респираторных расстройств у детей. Система может оказаться полезной в качестве диагностической помощи в местах, где не хватает клинической экспертизы, в том числе в экстренных ситуациях для, возможно, срочного лечения.

Разработчики отмечают, что их алгоритм может использоваться как приложение для смартфона, который используется в качестве устройства записи звука. Преимущества использования смартфонов заключаются в том, что они соответствуют акустическим требованиям (ширина полосы, уровни шума и чувствительность), необходимым для записи звука дыхательных путей; являются повсеместно распространенными устройствами даже в развивающихся странах; обладают значительной вычислительной мощностью, позволяющей проводить анализ без необходимости подключения к удалённым серверам; позволяют проводить бесконтактные оценки при инфекционных заболеваниях; могут использоваться в реальных клинических условиях, где одним из факторов является фоновый шум. Это позволяет использовать смартфон как универсальное устройство сбора и анализа данных и принятия решений.

https://respiratory-research.biomedcentral.com/articles/10.1186/s12931-019-1046-6