Η πλατφόρμα τεχνητής νοημοσύνης Swaasa πέτυχε 90 τοις εκατό ακρίβεια στη διάκριση υγιών ατόμων από ασθενείς με αναπνευστικές παθήσεις, σύμφωνα με τα προοπτικά αποτελέσματα κλινικής επικύρωσης που δημοσιεύθηκαν στο Frontiers in Medicine - ένα αποτέλεσμα που θα μπορούσε να αλλάξει τον τρόπο με τον οποίο ελέγχεται η πνευμονική νόσος εκτός των παραδοσιακών κλινικών.

Τα ευρήματα, που αναφέρθηκαν αυτή την εβδομάδα από το Bioengineer.org, προέρχονται από μία από τις μεγαλύτερες προοπτικές αξιολογήσεις του προσυμπτωματικού ελέγχου τεχνητής νοημοσύνης με βάση τον βήχα μέχρι σήμερα, και φτάνουν καθώς τα συστήματα υγειονομικής περίθαλψης παγκοσμίως αναζητούν φθηνότερους τρόπους για να ανιχνεύσουν νωρίτερα τη χρόνια αναπνευστική νόσο. Είναι το είδος της σταδιακής αλλά αυστηρά δοκιμασμένης προόδου στις τελευταίες εξελίξεις της τεχνητής νοημοσύνης που συχνά λέει περισσότερα για το πού κατευθύνεται στην πραγματικότητα η ιατρική τεχνητή νοημοσύνη από οποιαδήποτε κυκλοφορία προϊόντος.

Πώς λειτουργεί το Swaasa

Το Swaasa είναι μια ερευνητική πλατφόρμα που λειτουργεί ως Λογισμικό ως Ιατρική Συσκευή, εφαρμόζοντας αλγόριθμους τεχνητής νοημοσύνης σε εγγραφές βήχα που καταγράφονται σε φορητή συσκευή. Αναπτύχθηκε για τη δημιουργία αυτοματοποιημένων κλινικών ενδείξεων από ακουστικά σήματα, η πλατφόρμα αξιολογεί τις καταγραφές βήχα για να προσδιορίσει τον συνολικό κίνδυνο ως φυσιολογικό ή μη φυσιολογικό, να ταξινομήσει τα σπιρομετρικά φυσιολογικά μοτίβα ως αποφρακτικά, περιοριστικά ή φυσιολογικά και να εκτιμήσει τη σοβαρότητα του προτύπου ως ήπια, μέτρια ή σοβαρή.

Πέρα από τη φυσιολογία, το σύστημα δημιουργεί διαγνωστικές ενδείξεις σχετικά με την παρουσία συγκεκριμένων αναπνευστικών καταστάσεων, όπως το άσθμα, η χρόνια αποφρακτική πνευμονοπάθεια (ΧΑΠ), η διάμεση πνευμονοπάθεια και οι βρογχεκτασίες. Η υπόσχεση είναι ξεκάθαρη: ένας βήχας πέντε δευτερολέπτων σε ένα μικρόφωνο τηλεφώνου θα μπορούσε να επισημάνει σημάδια σοβαρής πνευμονικής νόσου προτού ο ασθενής φτάσει ποτέ σε εργαστήριο σπιρομέτρησης.

Μέσα στη Δίκη

Η προοπτική κλινική δοκιμή καταχωρήθηκε με το CTRI/2021/04/032742 στις 12 Απριλίου 2021, στην οποία συμμετείχαν ενήλικες συμμετέχοντες ηλικίας 18 ετών και άνω που παρουσιάστηκαν στα νοσοκομεία με αναπνευστικά συμπτώματα. Η πρώτη εγγραφή ξεκίνησε στις 19 Απριλίου 2021 και η δοκιμή ολοκληρώθηκε στις 14 Σεπτεμβρίου 2023.

Η τελική κοόρτη περιελάμβανε 2.179 ασθενείς με αναπνευστικές παθήσεις μαζί με 827 φυσιολογικά άτομα, με τους άνδρες συμμετέχοντες να αποτελούν το 62 τοις εκατό του πληθυσμού της μελέτης που αξιολογήθηκε. Κατά τη διάρκεια του πρωτοκόλλου, οι ήχοι βήχα των συμμετεχόντων καταγράφηκαν σε μια κινητή συσκευή που εκτελούσε την πλατφόρμα Swaasa AI και πραγματοποιήθηκε σπιρομέτρηση για σύγκριση.

Η δοκιμή καθιέρωσε τη σπιρομέτρηση ως το πρότυπο αναφοράς για το φυσιολογικό πρότυπο και τη σοβαρότητα του προτύπου, ενώ οι κλινικές διαγνώσεις που καθιερώθηκαν από τον γιατρό χρησίμευσαν ως πρότυπο αναφοράς για τις κατηγορίες ασθενειών. Οι πολυχοτομικές μεταβλητές χωρίστηκαν σε φυσιολογικές έναντι μη φυσιολογικές ταξινομήσεις και καθιερώθηκαν εκροές πολλαπλών κατηγοριών για την κατάσταση της νόσου, τη σοβαρότητα του προτύπου και τις μεμονωμένες κατηγορίες ασθενειών.

Οι αριθμοί απόδοσης

Σε δυαδικές ταξινομήσεις, η πλατφόρμα επέδειξε 90 τοις εκατό ακρίβεια στη διαφοροποίηση των φυσιολογικών ατόμων από εκείνα με μη φυσιολογικές αναπνευστικές παθήσεις, ταιριάζοντας με την ακρίβεια 90 τοις εκατό που καταγράφηκε για τον προσδιορισμό της φυσιολογικής έναντι της μη φυσιολογικής σπιρομέτρησης. Οι περιγραφικές αναλύσεις υποομάδας έδειξαν ότι οι επιδόσεις προσυμπτωματικού ελέγχου ήταν σε γενικές γραμμές συγκρίσιμες μεταξύ των αξιολογημένων ομάδων ηλικίας και φύλου ασθενών.

Τα αποτελέσματα πολλών κατηγοριών ήταν σεβαστά, αν και λιγότερο εντυπωσιακά. Η ακρίβεια που επιτυγχάνεται στην πλατφόρμα κυμαίνεται μεταξύ 79 τοις εκατό και 84 τοις εκατό για την ταξινόμηση των σπιρομετρικών μοτίβων και μεταξύ 76 τοις εκατό και 84,5 τοις εκατό για την ταξινόμηση της σοβαρότητας του μοτίβου. Κατά τη διαφοροποίηση συγκεκριμένων τύπων ασθενειών μεταξύ του άσθματος, της ΧΑΠ, της διάμεσης πνευμονοπάθειας και των βρογχεκτασιών, η ακρίβεια κυμαινόταν από 83 τοις εκατό έως 93 τοις εκατό.

Ποιος το έφτιαξε

Οι συγγραφείς της μελέτης συνδέονται με το Christian Medical College Vellore, τη Salcit Technologies Private Limited – την εταιρεία ανάπτυξης του Swaasa – και το The Tamil Nadu Dr MGR Medical University. Οι συγγραφείς κατέληξαν στο συμπέρασμα ότι η Swaasa επιδεικνύει πολλά υποσχόμενη απόδοση προσυμπτωματικού ελέγχου σε όλες τις δημογραφικές υποομάδες στον υπό μελέτη πληθυσμό.

Η δομή της συνεργασίας είναι αξιοσημείωτη: ένα ακαδημαϊκό ιατρικό κέντρο που παρέχει κλινική αυστηρότητα, ένα ιατρικό πανεπιστήμιο και μια startup που προμηθεύει την ακουστική AI. Αυτός ο συνδυασμός —οι κλινικοί γιατροί που επικυρώνουν τον αλγόριθμο μιας startup έναντι καθιερωμένων διαγνωστικών— είναι όλο και περισσότερο το πρότυπο για αξιόπιστη ιατρική έρευνα τεχνητής νοημοσύνης, σε αντίθεση με τα κριτήρια αναφοράς που διοικούνται από προμηθευτές που έχουν δημιουργήσει δικαιολογημένο σκεπτικισμό.

Γιατί έχει σημασία η ακουστική του βήχα

Η σπιρομέτρηση, το τρέχον χρυσό πρότυπο για τη λειτουργία των πνευμόνων, απαιτεί εξοπλισμό, εκπαιδευμένους τεχνικούς και συνεργάσιμο ασθενή που εκτελεί ελιγμούς αναγκαστικής αναπνοής. Η εγγραφή βήχα απαιτεί τηλέφωνο. Εάν ο προσυμπτωματικός έλεγχος τεχνητής νοημοσύνης μπορεί να προσδιορίσει αξιόπιστα ποιος χρειάζεται επιβεβαιωτική δοκιμή, τα οικονομικά στοιχεία του αναπνευστικού ελέγχου αλλάζουν ριζικά, ιδιαίτερα για καταστάσεις όπως η ΧΑΠ που συνήθως διαγιγνώσκονται αργά.

Οι επιφυλάξεις είναι πραγματικές. Αυτή ήταν η εγγραφή συμπτωματικών ενηλίκων με βάση το νοσοκομείο, όχι ο κοινοτικός έλεγχος του γενικού πληθυσμού και η ακρίβεια σε ένα ελεγχόμενο προοπτικό πρωτόκολλο μπορεί να διαφέρει από την ακατάστατη ανάπτυξη στον πραγματικό κόσμο. Η πλατφόρμα παραμένει διερευνητική και η ακρίβεια 90 τοις εκατό στη διάκριση του φυσιολογικού από το μη φυσιολογικό δεν σημαίνει ότι μπορεί να διακρίνει αξιόπιστα τέσσερις διαφορετικές ασθένειες σε κάθε περίπτωση – οι σειρές πολλαπλών κατηγοριών το καθιστούν σαφές.

Το ρυθμιστικό μονοπάτι είναι το επόμενο σημείο συμφόρησης. Επειδή το Swaasa τοποθετείται ως Λογισμικό ως Ιατρική Συσκευή, οι διαγνωστικές του ενδείξεις θα πρέπει να καθαρίσουν τις διαδικασίες επίβλεψης που ισχύουν για τα εργαλεία κλινικής απόφασης προτού μπορέσει να μεταβεί από την ερευνητική χρήση στην τακτική φροντίδα. Η μελλοντική επικύρωση που δημοσιεύεται σε περιοδικό με κριτές αποτελεί προϋπόθεση για αυτήν τη συνομιλία και όχι υποκατάστατό της.

Υπάρχει επίσης μια πρακτική ασυμμετρία που λειτουργεί υπέρ της πλατφόρμας. Η σπιρομέτρηση απαιτεί εξοπλισμό, βαθμονόμηση και εκπαιδευμένο τεχνικό στο δωμάτιο. η καταγραφή του βήχα απαιτεί μια συσκευή που έχουν ήδη οι περισσότεροι ασθενείς και έναν ελιγμό που γνωρίζει ήδη κάθε ασθενής. Στον προσυμπτωματικό έλεγχο, όπου ο στόχος είναι να αποφασιστεί ποιος χρειάζεται επιβεβαιωτικό τεστ αντί να δοθεί μια τελική διάγνωση, ένα ελαφρώς λιγότερο ακριβές τεστ που φτάνει δέκα φορές περισσότερους ανθρώπους μπορεί να σώσει περισσότερες ζωές από ένα ακριβές τεστ που κάθεται σε ένα υπόγειο νοσοκομείου. Το εύρημα της δοκιμής ότι η απόδοση διατηρήθηκε σταθερή σε ομάδες ηλικίας και φύλου είναι ακριβώς το είδος της συνέπειας που χρειάζεται ένα εργαλείο προσυμπτωματικού ελέγχου για να κλιμακωθεί.

Ωστόσο, η πορεία έχει σημασία. Μια οθόνη που βασίζεται σε τηλέφωνο, η οποία έχει επικυρωθεί έναντι της σπιρομέτρησης σε περισσότερους από 3.000 συμμετέχοντες, δεν είναι πλέον κόλπο. Η επόμενη δοκιμή είναι η ανάπτυξη: εάν ο έλεγχος τεχνητής νοημοσύνης με βάση το βήχα μπορεί να διατηρήσει την ακρίβειά του σε κλινικές, φαρμακεία και σπίτια και εάν οι ρυθμιστικές αρχές και οι γιατροί ενστερνίζονται ένα διαγνωστικό σήμα που προέρχεται από έναν ήχο που οι περισσότεροι άνθρωποι μετά βίας σκέφτονται.

---

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Λάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.

Διαβάστε περισσότερα νέα AI →