Projeto de Construção de Dados para Aprendizagem em Inteligência Artificial: Dados Sonoros de Auscultação Torácica (AI-sound)

A incidência de doenças cardiovasculares em todo o mundo está aumentando constantemente. Segundo o relatório da American Heart Association, havia 271 milhões de doenças cardiovasculares em 1990 e 523 milhões de casos em 2019, quase dobrando em 30 anos. O número de mortes devido a doenças cardiovasculares também está aumentando constantemente de 12,1 milhões em 1990 para 18,6 milhões em 2019.

O exame físico, que é a habilidade mais básica no atendimento ao paciente, consiste em inspeção, ausculta, percussão e palpação. Dentre eles, a ausculta é o exame mais utilizado em todas as áreas onde se utiliza o estetoscópio, sendo um exame básico e fundamental desde instituições médicas primárias até instituições médicas terciárias para o diagnóstico inicial não invasivo em pacientes com queixa de sintomas torácicos.

No entanto, se um especialista na área com muita experiência não o interpretar com cuidado, é difícil tomar uma decisão e o desvio dos resultados do teste é grande; portanto, um número significativo de pacientes depende de exames de acompanhamento caros. (ultra-som, tomografia computadorizada, ressonância magnética, etc.) Isso leva a um ciclo vicioso de incorrer em custos e tratamentos desnecessários.

Recentemente, com o desenvolvimento de técnicas de aprendizado de máquina, tecnologias de computação e inteligência artificial (IA) baseadas em muitos dados, várias tecnologias de aprendizado são aplicadas como ferramentas para diagnóstico de doenças e previsão de prognóstico na medicina.

Por meio da análise sonora da ausculta torácica baseada em aprendizado de máquina, existe a expectativa de que o diagnóstico de doenças e a previsão do prognóstico sejam capazes de superar as diferenças e interpretações dos examinadores. Pode ser muito útil para evitar o uso excessivo de testes e reduzir os custos médicos.