Dataconstructieproject voor leren via kunstmatige intelligentie: borstauscultatie geluidsgegevens (AI-sound)

Wereldwijd neemt de incidentie van hart- en vaatziekten gestaag toe. Volgens het rapport van de American Heart Association waren er in 1990 271 miljoen hart- en vaatziekten en in 2019 523 miljoen gevallen, ongeveer een verdubbeling in 30 jaar. Ook het aantal sterfgevallen als gevolg van hart- en vaatziekten stijgt gestaag van 12,1 miljoen in 1990 naar 18,6 miljoen in 2019.

Lichamelijk onderzoek, de meest elementaire vaardigheid in de patiëntenzorg, bestaat uit inspectie, auscultatie, percussie en palpatie. Onder hen is auscultatie de meest gebruikte test in alle gebieden waar een stethoscoop wordt gebruikt, en het is een basisonderzoek dat essentieel is van primaire medische instellingen tot tertiaire medische instellingen voor niet-invasieve eerste diagnose bij patiënten die klagen over symptomen op de borst.

Als een specialist in het veld met veel ervaring het echter niet zorgvuldig interpreteert, is het moeilijk om een ​​beslissing te nemen en is de afwijking van de testresultaten groot, waardoor een aanzienlijk aantal patiënten afhankelijk is van dure vervolgonderzoeken (echografie, CT, MRI, enz.) Dit leidt tot een vicieuze cirkel van het maken van kosten en onnodige behandelingen.

Onlangs, met de ontwikkeling van machine learning-technieken, computertechnologieën en kunstmatige intelligentie (AI) op basis van veel gegevens, worden verschillende leertechnologieën toegepast als hulpmiddelen voor ziektediagnose en prognosevoorspelling in de geneeskunde.

Door middel van op machine learning gebaseerde geluidsanalyse van thoraxauscultatie, wordt verwacht dat ziektediagnose en prognosevoorspelling in staat zullen zijn om verschillen en interpretaties door onderzoekers te overwinnen. Het kan zeer nuttig zijn om overmatig gebruik van tests te voorkomen en medische kosten te verlagen.