Novi AI algoritam razvijen u EPFL-u i Univerzitetskoj bolnici u Ženevi (HUG) će pokretati inteligentni stetoskop pod nazivom Pneumoscope sa potencijalom da poboljša upravljanje respiratornim bolestima u okruženjima sa niskim resursima i udaljenim okruženjima.
Dok vazduh prolazi kroz lavirint malih prolaza u našim plućima, proizvodi karakterističan zvuk koji šišta. Kada su ovi prolazi suženi astmatičnom upalom ili se zapuše infektivnim sekretom bronhitisa, zvuk se menja na karakteristične načine. Provera ovih dijagnostičkih potpisa korišćenjem stetoskopa primenjenog na grudni koš, procedura koja se zove auskultacija, postala je neizbežan element skoro svakog zdravstvenog pregleda.
Ipak, uprkos dvovekovnom iskustvu sa stetoskopima, tumačenje auskultacije je i dalje veoma subjektivno, gde će jedan doktor drugi čuti nešto drugačije. Zaista, u zavisnosti od toga gde se nalazite u svetu, jedan zvuk se može različito opisati kao cvrčanje, pucanje bombona, čičak traka, prženje pirinča i još mnogo toga. Na tačnost dalje utiče nivo iskustva zdravstvenog radnika i njihova specijalizacija.
Ove komplikacije čine ga idealnim izazovom za duboko učenje, koje ima potencijal da objektivnije razlikuje audio obrasce. Već se pokazalo da duboko učenje povećava ljudsku percepciju u tumačenju niza složenih medicinskih pregleda, kao što su rendgenski snimci i magnetna rezonanca.
Sada, nova studija objavljena u npj Digital Medicine iz EPFL-ove inteligentne istraživačke grupe za globalno zdravlje (iGH) sa sedištem u Laboratoriji za mašinsko učenje i optimizaciju, centru interdisciplinarnih AI stručnjaka u Školi računarskih i komunikacionih nauka, opisuje njihov AI algoritam, DeepBreath , što pokazuje potencijal automatizovane interpretacije u dijagnozi respiratornih bolesti.
„Ono što ovu studiju čini posebno jedinstvenom je raznolikost i rigorozna kolekcija auskultacione zvučne banke“, rekla je viši autor studije, dr Meri-En Hartli, doktor medicine i naučnik biomedicinskih podataka koji vodi iGH. Skoro 600 pedijatrijskih ambulantnih pacijenata je regrutovano u pet zemalja—Švajcarska, Brazil, Senegal, Kamerun i Maroko. Zvukovi daha su zabeleženi kod pacijenata mlađih od 15 godina koji su imali tri najčešća tipa respiratornih oboljenja — radiografski potvrđenu upalu pluća i klinički dijagnostikovanu bronhiolitis i astmu.
„Respiratorne bolesti su broj jedan uzrok smrti koja se može sprečiti u ovoj starosnoj grupi“, objasnio je profesor Alain Gervaik, šef odeljenja za pedijatrijsku medicinu u HUG-u i osnivač Onescope-a: pokretača koji će doneti ovaj inteligentni stetoskop koji integriše algoritam DeepBreath na tržište. „Ovaj rad je savršen primer uspešne saradnje između HUG-a i EPFL-a, između kliničkih studija i osnovne nauke. Pneumoskop na DeepBreath je revolucionarna inovacija za dijagnozu i upravljanje respiratornim bolestima“, nastavio je on.
Tim dr Hartlei predvodi razvoj veštačke inteligencije za Onescope i ona je posebno uzbuđena potencijalom alata u okruženjima sa malim resursima i udaljenim podešavanjima. „Diagnostički alati za višekratnu upotrebu, bez potrošnog materijala, poput ovog inteligentnog stetoskopa, imaju jedinstvenu prednost zagarantovane održivosti“, objasnila je ona, dodajući „AI alati takođe imaju potencijal da se stalno poboljšavaju i nadam se da bismo mogli da proširimo algoritam na druge respiratorne bolesti i populacije sa daljim podacima“.
DeepBreath je obučen na pacijentima iz Švajcarske i Brazila, a zatim je potvrđen na snimcima iz Senegala, Kameruna i Maroka, dajući uvid u geografsku generalizaciju alata. „Možete zamisliti da postoje mnoge razlike između hitnih službi u Švajcarskoj, Kamerunu i Senegalu“, rekao je dr Hartli. On navodi primere, uključujući „zvučni pejzaž pozadinske buke, način na koji kliničar drži stetoskop koji snima zvuk, epidemiologiju i lokalne protokole za dijagnozu“.
Sa dovoljno podataka, algoritam bi trebalo da bude otporan na ove nijanse i da pronađe signal među šumom. DeepBreath je održao impresivne performanse na različitim lokacijama uprkos malom broju pacijenata, što ukazuje na potencijal da se još više poboljša sa više podataka.
Posebno jedinstven doprinos studije bio je uključivanje metoda koje su imale za cilj da demistifikuju unutrašnje funkcionisanje „crne kutije“ algoritma. Autori su uspeli da pokažu da je model zaista koristio ciklus disanja da bi napravio svoja predviđanja i pokazao koji su njegovi delovi najvažniji. Dokazivanje da algoritam zapravo koristi zvukove daha, umesto da „vara“ korišćenjem pristrasnih potpisa u pozadinskoj buci, predstavlja kritičnu prazninu u trenutnoj literaturi i može da ugrozi poverenje u algoritam.
Multidisciplinarni tim radi na pripremi algoritma za upotrebu u stvarnom svetu u svom inteligentnom stetoskopu, pneumoskopu. Glavni sledeći zadatak je da se ponovi studija na više pacijenata koristeći snimke sa ovog novorazvijenog digitalnog stetoskopa, koji takođe beleži temperaturu i oksigenaciju krvi. „Kombinovanje ovih signala zajedno će verovatno još više poboljšati predviđanja“, kaže dr Hartli.
