Машинное обучение помогает диагностировать воспаление легких по кашлю

Джин Ен Чжон (Jin Yong Jeon) из Университета Ханьян (Hanyang University) опубликовал методику диагностики пневмонии с помощью пассивного прослушивания кашля на конференции в рамках 183-й встречи Американского акустического общества (Acoustical Society of America).

Актуальность исследования

Пневмония (воспаление легких) является одной из ведущих причин смерти в мире. Болезнь непропорционально чаще встречается у детей, пожилых людей и госпитализированных пациентов. Крайне важно выявить и лечить данное заболевание на ранней стадии. Существующие методы диагностики состоят из анализов крови и сканирования (рентгенография и компьютерная томография) грудной клетки. Врач должен заподозрить пневмонию, прежде чем назначать дополнительные методы диагностики. 

Алгоритм машинного обучения идентифицирует звуки кашля и определяет, есть ли пневмония или нет

Чон с соавторами исследования разработали алгоритм машинного обучения для идентификации звуков кашля и определения того, страдает ли испытуемый пневмонией. Поскольку каждая комната и записывающее устройство разные, исследователи дополнили свои записи импульсными откликами помещения, которые анализируют, как акустика помещения реагирует на различные звуковые частоты. Комбинируя эти данные с записанными звуками кашля, алгоритм может работать в любой среде.

«Автоматическая диагностика заболевания с помощью информации о звуках кашля, которые постоянно возникают в повседневной жизни, облегчит лечение без личного присутствия», – считает Чон. «Это также позволит снизить общие медицинские расходы».

В настоящее время одна компания планирует применить этот алгоритм для удаленного мониторинга пациентов. Исследователи также планируют внедрить его в качестве приложения для ухода на дому и сделать этот процесс более простым и удобным для пользователя.

«Наша исследовательская группа планирует автоматизировать каждый пошаговый процесс, который в настоящее время выполняется вручную, чтобы повысить удобство и применимость», – заключает Чон.

Авторы другого исследования утверждают, что машинное обучение может помочь выявлять людей с риском аневризмы грудной аорты.