Datakonstruktionsprojekt for kunstig intelligenslæring: Lyddata fra brystauskultation (AI-sound)

Forekomsten af ​​hjerte-kar-sygdomme på verdensplan er støt stigende. Ifølge rapporten fra American Heart Association var der 271 millioner hjerte-kar-sygdomme i 1990 og 523 millioner tilfælde i 2019, omkring en fordobling på 30 år. Antallet af dødsfald som følge af hjerte-kar-sygdomme er også støt stigende fra 12,1 millioner i 1990 til 18,6 millioner i 2019.

Fysisk undersøgelse, som er den mest basale færdighed i patientbehandlingen, består af inspektion, auskultation, percussion og palpation. Blandt dem er auskultation den mest udbredte test på alle områder, hvor et stetoskop bruges, og det er en grundlæggende undersøgelse, der er essentiel fra primære medicinske institutioner til tertiære medicinske institutioner for ikke-invasiv initial diagnose hos patienter, der klager over brystsymptomer.

Men hvis en specialist på området med stor erfaring ikke tolker det omhyggeligt, er det svært at træffe en beslutning, og afvigelsen i testresultaterne er stor, så et betydeligt antal patienter er afhængige af dyre opfølgende tests (ultralyd, CT, MR osv.) Dette fører til en ond cirkel med omkostninger og unødvendig behandling.

For nylig, med udviklingen af ​​maskinlæringsteknikker, computerteknologier og kunstig intelligens (AI) baseret på en masse data, anvendes forskellige læringsteknologier som værktøjer til sygdomsdiagnostik og prognose forudsigelse i medicin.

Gennem maskinlæringsbaseret brystauskultationslydanalyse er der en forventning om, at sygdomsdiagnose og prognoseforudsigelse vil være i stand til at overvinde forskelle og fortolkninger fra eksaminatorer. Det kan være meget nyttigt til at forhindre overforbrug af tests og reducere medicinske omkostninger.