Projekt budowy danych do uczenia się sztucznej inteligencji: dane dźwiękowe z osłuchiwania klatki piersiowej (AI-sound)

Częstość występowania chorób układu krążenia na całym świecie stale wzrasta. Według raportu American Heart Association w 1990 roku było 271 milionów chorób sercowo-naczyniowych, a w 2019 roku 523 miliony przypadków, co oznacza około dwukrotny wzrost w ciągu 30 lat. Liczba zgonów z powodu chorób układu krążenia również stale rośnie z 12,1 mln w 1990 r. do 18,6 mln w 2019 r.

Badanie fizykalne, które jest najbardziej podstawową umiejętnością w opiece nad pacjentem, składa się z oględzin, osłuchiwania, opukiwania i badania palpacyjnego. Wśród nich osłuchiwanie jest najczęściej stosowanym testem we wszystkich obszarach, w których używany jest stetoskop, i jest to podstawowe badanie, które jest niezbędne od podstawowych placówek medycznych po trzeciorzędowe instytucje medyczne do nieinwazyjnej wstępnej diagnozy u pacjentów skarżących się na objawy ze strony klatki piersiowej.

Jeśli jednak specjalista w danej dziedzinie z dużym doświadczeniem nie zinterpretuje tego dokładnie, trudno jest podjąć decyzję, a odchylenie wyników badań jest duże, więc znaczna liczba pacjentów jest zdana na kosztowne badania kontrolne (USG, CT, MRI itp.) Prowadzi to do błędnego koła ponoszenia kosztów i niepotrzebnego leczenia.

Ostatnio, wraz z rozwojem technik uczenia maszynowego, technologii obliczeniowych i sztucznej inteligencji (AI) opartej na dużej ilości danych, różne technologie uczenia się są stosowane jako narzędzia do diagnozowania chorób i przewidywania rokowania w medycynie.

Oczekuje się, że dzięki analizie dźwięku osłuchiwania klatki piersiowej opartej na uczeniu maszynowym diagnoza choroby i przewidywanie rokowania będą w stanie przezwyciężyć różnice i interpretacje badaczy. Może to być bardzo pomocne w zapobieganiu nadużywaniu testów i zmniejszaniu kosztów leczenia.