Cercetătorii din Singapore au creat un model de învățare automată care distinge între tipurile de tuse

Adaugă-ne ca sursă preferată în Google

Urmărește-ne in Discover

Cercetătorii de la Universitatea de Tehnologie și Design din Singapore (SUTD) au arătat că modelele de învățare automată profundă pot distinge cu precizie între tipurile de tuse ale copiilor sănătoși și ale celor bolnavi folosindu-se doar de sunete.

Aceste descoperiri, publicate în revista Sensors, ar putea deschide porțile către un screening mai eficient pentru bolile respiratorii la copii și ar putea ridica o povară uriașă de pe umerii pacienților, părinților și ai medicilor deopotrivă.

• Inteligența Artificială și empatia. Pot algoritmii să ne înțeleagă emoțiile mai bine decât partenerul de viață?
• Primul copil din lume diagnosticat cu autism a trăit până la 89 de ani

La copii, tipurile de tuse diferite pot fi un semn al mai multor boli respiratorii, inclusiv astm bronșic, rinosinuzită și infecții ale tractului respirator. Diversitatea tusei ca simptom înseamnă că medicii trebuie adesea să efectueze teste și proceduri suplimentare pentru a oferi un diagnostic cert.

„Aceste teste necesită vizite la spital, nu sunt lipsite de riscuri pentru copil și impun resurse de asistență medicală”, a spus profesorul asistent Chen Jer-Ming, de la SUTD, care a condus studiul.

Algoritmul care identifică tipurile de tuse

„În plus, astfel de vizite au alte impacturi sociale sau economice negative asupra copilului și a familiei sale; de exemplu, necesită luare de timp liber de la muncă și o îngrijire specială a copilului”, a declarat acesta.

Necesitatea de a ușura această povară asupra pacienților și a sistemului general de asistență medicală a condus la un interes din ce în ce mai mare pentru valorificarea diferențelor minime în sunetele de tuse pentru a distinge o afecțiune respiratorie de alta.

Cu toate acestea, majoritatea studiilor s-au bazat pe sunetul pe care îl au tipurile de tuse înregistrat cu atenție în condiții de studio, ceea ce face înregistrările nepotrivite pentru aplicații din lumea reală, unde zgomotul de fond și echipamentele de calitate slabă ar putea compromite calitatea tusei înregistrate.

Pentru a rezolva această problemă, Prof. asistent Chen și colaboratorul Dr. Hee Hwan Ing, de la Spitalul KK pentru Femei și Copii și Scoala de Medicină Duke-NUS, au folosit înregistrări de tuse colectate cu smartphone-uri într-un cadru spitalicesc, pentru a reflecta condițiile reale.

Echipa a folosit înregistrări de tuse de la 89 de copii

În continuare, pentru a-i ajuta să clasifice cu precizie tipurile de tuse ca fiind bolnave sau sănătoase, echipa a apelat la un tip specific de model de rețea neuronală profundă numit Memorie bidirecțională pe termen lung și pe termen scurt (BiLSTM).

În comparație cu alte rețele neuronale artificiale, BiLSTM-urile sunt formate din unități individuale care își pot aminti valori pe o perioadă de timp arbitrară. Un astfel de mecanism de memorie, a explicat profesorul Chen, face ca BiLSTM-urile să fie deosebit de potrivite pentru a gestiona date secvențiale precum cele audio.

Pentru a-și antrena și testa modelul, echipa a folosit înregistrări de tuse de la 89 de copii cu astm bronșic, 160 cu infecție a tractului respirator inferior și 78 cu infecție a tractului respirator superior. Pentru comparație, au inclus și sunete de tuse de la 89 de copii sănătoși.

Modelul poate spune dacă un copil este bolnav sau sănătos

Echipa a descoperit că BiLSTM ar putea clasifica cu precizie sunetele individuale ale tusei ca fiind sănătoase sau bolnave în 84,5% din timp. Atunci când se iau în considerare toate mostrele audio ale unui pacient, modelul predictiv a avut un rating de precizie de 91,2%. Asta înseamnă că din 10 pacienți care furnizează înregistrările de tuse, BiLSTM va putea identifica corect nouă ca fiind sănătoși sau bolnavi.

Cu toate acestea, atunci când s-a încercat să distingă între diferitele tipuri de tuse patologice, modelul a fost mai puțin precis. De exemplu, modelul a atribuit greșit aproape trei sferturi din tusea astmului bronșic infecțiilor tractului respirator. La rândul lor, peste 60% dintre copiii cu astm bronșic au fost diagnosticați greșit cu infecție a tractului respirator inferior.

„Analizarea caracteristicilor audio ale tusei nesănătoase comparativ cu cea sănătoasă de după recuperare, colectate de la același copil, a relevat faptul că tusea nesănătoasă, indiferent de condițiile de bază, este mult mai asemănătoare cu alte tipuri de tuse nesănătoasă”, a subliniat conf. Chen. O astfel de observație este în concordanță cu înregistrările anecdotice conformă cărora chiar și medicilor le este greu să diferențieze bolile doar după sunetul tusei.

Cu toate acestea, cercetătorii au descoperit că o mare parte din clasificarea greșită a modelului a avut loc atunci când au încercat să distingă diferite boli; BiLSTM a rămas foarte precis în diferențierea copiilor sănătoși de cei bolnavi.

Se urmărește realizarea unei aplicații pentru smartphone

În ciuda potențialului său de a transforma screeningul bolilor respiratorii în departamentul de pediatrie, încă mai este de lucru înainte ca modelul actual BiLSTM să fie gata pentru implementarea clinică, potrivit Medical Xpress.

În special, dezvoltarea unei aplicații pentru smartphone care poate colecta intrări audio, o poate redirecționa către un server central pentru procesare și afișare a rezultatelor către utilizatorul final, va fi esențială pentru a face modelul utilizabil în cadrul clinic. Odată implementată, tehnica poate fi apoi rafinată continuu folosind date audio suplimentare de la pacienți, pentru a îmbunătăți acuratețea în detectarea tusei patologice.

„Acest studiu este doar primul pas către dezvoltarea unui model de rețea neuronală profundă extrem de eficient, care poate face diferența între diferite sunete nesănătoase de tuse”, a spus conf. Chen.

„O astfel de abordare automatizată va sprijini screeningul clinic al bolilor respiratorii asociate cu tusea, contribuind la monitorizarea și screeningul sănătății, în special în comunitățile îndepărtate și în curs de dezvoltare”, a continuat Chen.

Vă recomandăm să citiți și:

Motivul pentru care astmul ne-ar putea proteja de tumorile cerebrale

Două trăsături de personalitate sunt legate de semnele distinctive ale bolii Alzheimer

Oamenii care au joburi stimulante din punct de vedere mintal prezintă un risc mai scăzut de demență

O „inimă umană” de mărimea unei semințe de susan s-a dezvoltat de una singură în laborator