Datakonstruksjonsprosjekt for læring av kunstig intelligens: Lyddata for brystauskultasjon (AI-sound)

Forekomsten av hjerte- og karsykdommer over hele verden øker stadig. I følge rapporten fra American Heart Association var det 271 millioner hjerte- og karsykdommer i 1990, og 523 millioner tilfeller i 2019, omtrent en dobling på 30 år. Antall dødsfall på grunn av hjerte- og karsykdommer øker også jevnt fra 12,1 millioner i 1990 til 18,6 millioner i 2019.

Fysisk undersøkelse, som er den mest grunnleggende ferdigheten i pasientbehandling, består av inspeksjon, auskultasjon, perkusjon og palpasjon. Blant dem er auskultasjon den mest brukte testen i alle områder der et stetoskop brukes, og det er en grunnleggende undersøkelse som er essensiell fra primærmedisinske institusjoner til tertiærmedisinske institusjoner for ikke-invasiv initial diagnose hos pasienter som klager over brystsymptomer.

Men hvis en spesialist på området med mye erfaring ikke tolker det nøye, er det vanskelig å ta en avgjørelse, og avviket i testresultatene er stort, så et betydelig antall pasienter er avhengig av dyre oppfølgingstester (ultralyd, CT, MR, etc.) Dette fører til en ond sirkel med kostnader og unødvendig behandling.

Nylig, med utviklingen av maskinlæringsteknikker, datateknologier og kunstig intelligens (AI) basert på mye data, brukes ulike læringsteknologier som verktøy for sykdomsdiagnose og prognoseprediksjon i medisin.

Gjennom maskinlæringsbasert brystauskultasjonslydanalyse er det en forventning om at sykdomsdiagnostikk og prognoseprediksjon vil kunne overvinne forskjeller og tolkninger av undersøkere. Det kan være svært nyttig for å forhindre overforbruk av tester og redusere medisinske kostnader.