Datakonstruktionsprojekt för inlärning av artificiell intelligens: Bröstauskultationsljuddata (AI-sound)

Förekomsten av hjärt-kärlsjukdomar över hela världen ökar stadigt. Enligt rapporten från American Heart Association fanns det 271 miljoner hjärt-kärlsjukdomar 1990 och 523 miljoner fall 2019, ungefär en fördubbling på 30 år. Antalet dödsfall på grund av hjärt-kärlsjukdom ökar också stadigt från 12,1 miljoner 1990 till 18,6 miljoner 2019.

Fysisk undersökning, som är den mest grundläggande färdigheten inom patientvården, består av inspektion, auskultation, slagverk och palpation. Bland dem är auskultation det mest använda testet inom alla områden där ett stetoskop används, och det är en grundläggande undersökning som är nödvändig från primära medicinska institutioner till tertiära medicinska institutioner för icke-invasiv initial diagnos hos patienter som klagar över bröstsymtom.

Men om en specialist inom området med stor erfarenhet inte tolkar det noggrant är det svårt att fatta ett beslut, och avvikelsen i testresultaten är stor, så ett betydande antal patienter är beroende av dyra uppföljningstester (ultraljud, CT, MRI, etc.) Detta leder till en ond cirkel av kostnader och onödig behandling.

Nyligen, med utvecklingen av maskininlärningstekniker, datorteknik och artificiell intelligens (AI) baserad på mycket data, har olika inlärningsteknologier tillämpats som verktyg för sjukdomsdiagnostik och prognosförutsägelse inom medicin.

Genom maskininlärningsbaserad ljudanalys av bröstauskultationsljud finns det en förväntan om att sjukdomsdiagnos och prognosförutsägelse kommer att kunna övervinna skillnader och tolkningar av granskare. Det kan vara till stor hjälp för att förhindra överanvändning av tester och minska medicinska kostnader.