Personlig digital hälsa och artificiell intelligens vid astma hos barn (Asthmoscope)

Astma är en kronisk inflammatorisk sjukdom i luftvägarna som orsakar återkommande episoder av väsande andning, andningssvårigheter och hosta. Prevalensen av astma är 8 % hos barn i skolåldern och 30 % hos förskolebarn, vilket gör astma till den första kroniska sjukdomen hos barn. Symtomen beror på diffus men varierande luftvägsobstruktion, reversibel spontant eller efter inhalation av beta2-agonister (β-2a) såsom salbutamol. Astmaexacerbationer är frekventa och svåra att bedöma av föräldrar och patienten själv. Det uppskattas att cirka 2,5 % av barn med astma läggs in på sjukhus årligen. Den globala bördan orsakad av astma kan således minskas genom att förbättra tidig upptäckt av bronkial obstruktion, förskriva omedelbar behandling med lämplig bakgrundsterapi och pålitligt och objektivt bedöma svaret på behandlingen.

Den naturliga historien om astmasymtom hos barn visar en stor intra- och interindividuell variation. Svårigheten att bedöma svårighetsgraden av en attack av föräldrarna eller barnet självt, när han är gammal nog att kontrollera sin kroniska sjukdom, är en nyckelfaktor i hanteringen av astma och gör att behandlingen kan anpassas snabbt, ibland undvika sjukhusvistelse. Sjukvårdspersonal kan bedöma allvarlighetsgraden av episoden med hjälp av Pediatric Respiratory Assessment Measure (PRAM), som har fördelen att vara anpassningsbar i alla åldrar. Global Alliance against Chronic Respiratory Diseases (GARD) integrerar i sin diagnostiska strategi för kroniska luftvägssjukdomar, lungfunktionstestet, som möjliggör kvantifiering av andningsfunktionen i samband med diagnos och långtidsuppföljning. Även om spirometri är icke-invasiva tester, kräver de fortfarande en hög nivå av patientsamarbete, vilket förblir problematiskt före 7 års ålder.

Den digitala stethsocopen integrerar en kapacitet för inspelning av auskultationer och dataöverföring till högpresterande mjukvara. Detta har gjort det möjligt att utöka auskultationen utöver vad som var hörbart för det mänskliga örat enbart (över 20-20 000 Hertz). Auskultatoriska ljudanalyser, särskilt de som oftast förknippas med obstruktivt syndrom kan vara enkel, reproducerbar och en pålitlig metod för att bedöma svårighetsgraden och svar på behandling vid barns astma. Stora framsteg inom signalbehandling och oövervakat lärande inom forskning om artificiell intelligens ger potential för högpresterande analys av fysiologiska mätningar.