Datenkonstruktionsprojekt für das Lernen künstlicher Intelligenz: Tondaten zur Brustauskultation (AI-sound)

Die Inzidenz von Herz-Kreislauf-Erkrankungen nimmt weltweit stetig zu. Laut dem Bericht der American Heart Association gab es 1990 271 Millionen Herz-Kreislauf-Erkrankungen und 2019 523 Millionen Fälle, was einer Verdopplung in 30 Jahren entspricht. Auch die Zahl der Todesfälle durch Herz-Kreislauf-Erkrankungen steigt stetig von 12,1 Millionen im Jahr 1990 auf 18,6 Millionen im Jahr 2019.

Die körperliche Untersuchung, die grundlegendste Fähigkeit in der Patientenversorgung, besteht aus Inspektion, Auskultation, Perkussion und Palpation. Unter ihnen ist die Auskultation der am weitesten verbreitete Test in allen Bereichen, in denen ein Stethoskop verwendet wird, und es ist eine grundlegende Untersuchung, die von primären medizinischen Einrichtungen bis hin zu tertiären medizinischen Einrichtungen für die nicht-invasive Erstdiagnose bei Patienten, die über Brustsymptome klagen, unerlässlich ist.

Interpretiert ein Facharzt mit viel Erfahrung sie jedoch nicht sorgfältig, fällt die Entscheidung schwer und die Abweichung der Testergebnisse ist groß, sodass eine erhebliche Zahl von Patienten auf teure Folgeuntersuchungen angewiesen ist (Ultraschall, CT, MRT etc.) Dies führt zu einem Teufelskreis aus anfallenden Kosten und unnötigen Behandlungen.

In jüngster Zeit werden mit der Entwicklung von maschinellen Lerntechniken, Computertechnologien und künstlicher Intelligenz (KI) auf der Grundlage vieler Daten verschiedene Lerntechnologien als Werkzeuge für die Krankheitsdiagnose und Prognosevorhersage in der Medizin eingesetzt.

Durch die auf maschinellem Lernen basierende Schallanalyse der Brustauskultation besteht die Erwartung, dass die Krankheitsdiagnose und Prognosevorhersage in der Lage sein wird, Unterschiede und Interpretationen durch Untersucher zu überwinden. Es kann sehr hilfreich sein, um eine übermäßige Verwendung von Tests zu verhindern und medizinische Kosten zu senken.