Laut prospektiven klinischen Validierungsergebnissen, die in Frontiers in Medicine veröffentlicht wurden, erreichte die Swaasa-Plattform für künstliche Intelligenz eine Genauigkeit von 90 Prozent bei der Unterscheidung gesunder Personen von Patienten mit Atemwegserkrankungen – ein Ergebnis, das die Art und Weise, wie Lungenerkrankungen außerhalb traditioneller Kliniken untersucht werden, verändern könnte.

Die diese Woche von Bioengineer.org veröffentlichten Ergebnisse stammen aus einer der bisher größeren prospektiven Auswertungen des hustenbasierten KI-Screenings und kommen zu einem Zeitpunkt, an dem Gesundheitssysteme weltweit nach günstigeren Möglichkeiten suchen, chronische Atemwegserkrankungen früher zu erkennen. Es ist die Art von inkrementellem, aber streng geprüftem Fortschritt bei den neuesten KI-Entwicklungen, der oft mehr darüber aussagt, wohin sich medizinische KI tatsächlich entwickelt, als jede Produkteinführung.

Wie Swaasa funktioniert

Swaasa ist eine Untersuchungsplattform, die als Software als medizinisches Gerät fungiert und Algorithmen der künstlichen Intelligenz auf Hustenaufzeichnungen anwendet, die auf einem mobilen Gerät erfasst werden. Die Plattform wurde entwickelt, um automatisierte klinische Hinweise aus akustischen Signalen zu generieren. Sie wertet Hustenaufzeichnungen aus, um das Gesamtrisiko als normal oder abnormal zu bestimmen, spirometrische physiologische Muster als obstruktiv, restriktiv oder normal zu klassifizieren und den Schweregrad des Musters als leicht, mittelschwer oder schwer abzuschätzen.

Über die Physiologie hinaus generiert das System diagnostische Hinweise auf das Vorliegen spezifischer Atemwegserkrankungen, darunter Asthma, chronisch obstruktive Lungenerkrankung (COPD), interstitielle Lungenerkrankung und Bronchiektasie. Das Versprechen ist einfach: Ein fünf Sekunden langer Husten in das Mikrofon eines Telefons könnte Anzeichen einer schweren Lungenerkrankung erkennen, bevor ein Patient jemals ein Spirometrielabor erreicht.

Im Prozess

Die prospektive klinische Studie wurde am 12. April 2021 unter CTRI/2021/04/032742 registriert und umfasst erwachsene Teilnehmer ab 18 Jahren, die sich mit Atemwegssymptomen in Krankenhausabteilungen vorstellten. Die erste Einschreibung begann am 19. April 2021 und der Prozess endete am 14. September 2023.

Die letzte Kohorte umfasste 2.179 Patienten mit Atemwegserkrankungen sowie 827 normale Personen, wobei männliche Teilnehmer 62 Prozent der ausgewerteten Studienpopulation ausmachten. Während des Protokolls wurden die Hustengeräusche der Teilnehmer auf einem Mobilgerät mit der Swaasa AI-Plattform aufgezeichnet und zum Vergleich wurde eine Spirometrie durchgeführt.

Die Studie etablierte die Spirometrie als Referenzstandard für physiologische Muster und Musterschweregrade, während ärztlich erstellte klinische Diagnosen als Referenzstandard für Krankheitskategorien dienten. Polychotome Variablen wurden in normale und abnormale Klassifikationen dichotomisiert, und es wurden Mehrklassenausgaben für den Krankheitszustand, den Schweregrad des Musters und einzelne Krankheitskategorien erstellt.

Die Leistungszahlen

Bei der binären Klassifizierung zeigte die Plattform eine Genauigkeit von 90 Prozent bei der Unterscheidung normaler Personen von solchen mit abnormalen Atemwegserkrankungen, was der 90-prozentigen Genauigkeit entspricht, die bei der Identifizierung normaler und abnormaler Spirometrie aufgezeichnet wurde. Beschreibende Subgruppenanalysen zeigten, dass die Screening-Leistung in allen untersuchten Alters- und Geschlechtsgruppen der Patienten weitgehend vergleichbar war.

Die Mehrklassenergebnisse waren respektabel, wenn auch weniger auffällig. Die von der Plattform erreichte Genauigkeit liegt bei der Klassifizierung spirometrischer Muster zwischen 79 Prozent und 84 Prozent und bei der Klassifizierung des Schweregrads der Muster zwischen 76 Prozent und 84,5 Prozent. Bei der Unterscheidung spezifischer Krankheitstypen zwischen Asthma, COPD, interstitieller Lungenerkrankung und Bronchiektasie lag die Genauigkeit zwischen 83 und 93 Prozent.

Wer hat es gebaut?

Die Autoren der Studie sind mit dem Christian Medical College Vellore, Salcit Technologies Private Limited – dem Entwickler von Swaasa – und der Tamil Nadu Dr MGR Medical University verbunden. Die Autoren kamen zu dem Schluss, dass Swaasa in allen demografischen Untergruppen der untersuchten Bevölkerung eine vielversprechende Screening-Leistung zeigt.

Die Struktur der Zusammenarbeit ist bemerkenswert: ein akademisches medizinisches Zentrum, das klinische Präzision bietet, eine medizinische Universität und ein Startup, das die akustische KI bereitstellt. Diese Kombination – Kliniker validieren den Algorithmus eines Startups anhand etablierter Diagnostika – ist zunehmend die Vorlage für glaubwürdige medizinische KI-Forschung, im Gegensatz zu den von Anbietern durchgeführten Benchmarks, die berechtigte Skepsis hervorgerufen haben.

Warum Hustenakustik wichtig ist

Spirometrie, der aktuelle Goldstandard für die Lungenfunktion, erfordert Ausrüstung, geschulte Techniker und einen kooperativen Patienten, der forcierte Atemmanöver durchführt. Für die Hustenaufzeichnung ist ein Telefon erforderlich. Wenn das KI-Screening zuverlässig ermitteln kann, wer Bestätigungstests benötigt, ändert sich die Wirtschaftlichkeit des Atemwegs-Screenings grundlegend, insbesondere bei Erkrankungen wie COPD, die routinemäßig spät diagnostiziert werden.

Die Vorbehalte sind real. Hierbei handelte es sich um die Einschreibung symptomatischer Erwachsener im Krankenhaus und nicht um ein gemeinschaftliches Screening der Allgemeinbevölkerung. Die Genauigkeit eines kontrollierten prospektiven Protokolls kann sich von der chaotischen Umsetzung in der Praxis unterscheiden. Die Plattform befindet sich noch im Forschungsstadium, und eine 90-prozentige Genauigkeit bei der Unterscheidung zwischen normal und abnormal bedeutet nicht, dass vier verschiedene Krankheiten in jedem Fall zuverlässig unterschieden werden können – die Mehrklassenbereiche machen das deutlich.

Der regulatorische Weg ist der nächste Engpass. Da Swaasa als „Software as a Medical Device“ positioniert ist, müssen seine diagnostischen Indikationen die Aufsichtsprozesse durchlaufen, die für klinische Entscheidungsinstrumente gelten, bevor es vom Forschungseinsatz in die Routineversorgung übergehen kann. Eine prospektive Validierung, die in einer von Experten begutachteten Zeitschrift veröffentlicht wird, ist eine Voraussetzung für dieses Gespräch und kein Ersatz dafür.

Es gibt auch eine praktische Asymmetrie, die sich positiv auf die Plattform auswirkt. Für die Spirometrie sind Ausrüstung, Kalibrierung und ein geschulter Techniker im Raum erforderlich. Eine Hustenaufzeichnung erfordert ein Gerät, das die meisten Patienten bereits besitzen, und ein Manöver, das jeder Patient bereits kennt. Beim Screening, bei dem es nicht darum geht, eine endgültige Diagnose zu stellen, sondern darum, zu entscheiden, wer einen Bestätigungstest benötigt, kann ein etwas ungenauerer Test, der zehnmal mehr Menschen erreicht, mehr Leben retten als ein präziser Test, der im Keller eines Krankenhauses steht. Das Ergebnis der Studie, dass die Leistung über alle Alters- und Geschlechtsgruppen hinweg konstant blieb, ist genau die Art von Konsistenz, die ein Screening-Tool zur Skalierung benötigt.

Dennoch ist die Flugbahn wichtig. Ein telefonbasierter Screen, der anhand der Spirometrie bei mehr als 3.000 Teilnehmern validiert wurde, ist kein Trick mehr. Der nächste Test ist der Einsatz: ob das hustenbasierte KI-Screening seine Genauigkeit in Kliniken, Apotheken und Heimen halten kann und ob Aufsichtsbehörden und Ärzte ein diagnostisches Signal akzeptieren, das von einem Geräusch kommt, über das die meisten Menschen kaum nachdenken.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →