Personlig digital helse og kunstig intelligens ved barneastma (Asthmoscope)

Astma er en kronisk inflammatorisk sykdom i luftveiene som forårsaker tilbakevendende episoder med hvesing, pustevansker og hoste. Forekomsten av astma er 8 % hos barn i skolealder og 30 % hos førskolebarn, noe som gjør astma til den første kroniske sykdommen hos barn. Symptomer skyldes diffus, men variabel luftveisobstruksjon, reversibel spontant eller etter inhalasjon av beta2-agonister (β-2a) som salbutamol. Forverringer av astma er hyppige og vanskelige å vurdere av foreldre og pasienten selv. Det er anslått at omtrent 2,5 % av barn med astma blir innlagt på sykehus årlig. Den globale belastningen forårsaket av astma kan dermed reduseres ved å forbedre tidlig oppdagelse av bronkial obstruksjon, foreskrive umiddelbar behandling med passende bakgrunnsterapi, og pålitelig og objektiv vurdere respons på behandling.

Den naturlige historien til astmasymptomer hos barn viser stor intra- og interindividuell variasjon. Vanskeligheten med å vurdere alvorlighetsgraden av et angrep fra foreldrene eller barnet selv, når han er gammel nok til å kontrollere sin kroniske sykdom, er et nøkkelelement i behandlingen av astma og gjør at behandlingen kan tilpasses raskt, noen ganger unngår sykehusinnleggelse. Helsepersonell kan vurdere alvorlighetsgraden av episoden ved hjelp av Pediatric Respiratory Assessment Measure (PRAM)-score, som har fordelen av å være tilpasningsdyktig i alle aldre. Global Alliance against Chronic Respiratory Diseases (GARD) integrerer i sin diagnostiske strategi for kroniske luftveissykdommer, lungefunksjonstesten, som tillater kvantifisering av luftveisfunksjon i sammenheng med diagnose og langsiktig oppfølging. Selv om spirometri er ikke-invasive tester, krever de fortsatt et høyt nivå av pasientsamarbeid, noe som fortsatt er problematisk før fylte 7 år.

Den digitale stethsocope integrerer en kapasitet for registrering av auskultasjoner og dataoverføring til høyytelses programvare. Dette har gjort det mulig å utvide auskultasjonen utover det som var hørbart for det menneskelige øret alene (over 20-20 000 Hertz). Auskultatorisk lydanalyse, spesielt de som oftest er assosiert med obstruktivt syndrom, kan være enkel, reproduserbar og en pålitelig metode for å vurdere alvorlighetsgraden og respons på behandling ved barns astma. Store fremskritt innen signalbehandling og uovervåket læring i forskning på kunstig intelligens gir potensialet for høyytelsesanalyse av fysiologiske mål.