پلتفرم هوش مصنوعی Swaasa در تشخیص افراد سالم از بیماران مبتلا به بیماری‌های تنفسی به دقت 90 درصدی دست یافت، بر اساس نتایج اعتبارسنجی بالینی آینده‌نگر منتشر شده در Frontiers in Medicine - نتیجه‌ای که می‌تواند نحوه غربالگری بیماری‌های ریوی را در خارج از کلینیک‌های سنتی تغییر دهد.

این یافته‌ها که این هفته توسط Bioengineer.org گزارش شد، از یکی از ارزیابی‌های آینده‌نگر بزرگ‌تر غربالگری هوش مصنوعی مبتنی بر سرفه تا به امروز به دست آمده است، و زمانی که سیستم‌های مراقبت‌های بهداشتی در سراسر جهان به دنبال راه‌های ارزان‌تر برای تشخیص زودتر بیماری مزمن تنفسی هستند، به دست می‌آیند. این نوعی پیشرفت تدریجی اما به شدت آزمایش شده در آخرین پیشرفت‌های هوش مصنوعی است که اغلب بیشتر از هر راه‌اندازی محصولی در مورد اینکه هوش مصنوعی پزشکی واقعاً به کجا می‌رود می‌گوید.

Swaasa چگونه کار می کند

Swaasa یک پلت فرم تحقیقاتی است که به عنوان یک نرم افزار به عنوان یک دستگاه پزشکی عمل می کند و از الگوریتم های هوش مصنوعی برای ضبط سرفه های ضبط شده در یک دستگاه تلفن همراه استفاده می کند. این پلت فرم که برای تولید نشانه‌های بالینی خودکار از سیگنال‌های صوتی ایجاد شده است، ضبط‌های سرفه را برای تعیین خطر کلی به عنوان طبیعی یا غیرطبیعی ارزیابی می‌کند، الگوهای فیزیولوژیکی اسپیرومتری را به‌عنوان انسدادی، محدودکننده یا نرمال طبقه‌بندی می‌کند و شدت الگو را به عنوان خفیف، متوسط ​​یا شدید تخمین می‌زند.

فراتر از فیزیولوژی، این سیستم نشانه های تشخیصی در مورد وجود شرایط تنفسی خاص، از جمله آسم، بیماری مزمن انسدادی ریه (COPD)، بیماری ریه بینابینی و برونشکتازی تولید می کند. این وعده ساده است: سرفه پنج ثانیه ای در میکروفون تلفن می تواند نشانه های بیماری جدی ریوی را قبل از اینکه بیمار به آزمایشگاه اسپیرومتری برسد، نشان دهد.

داخل دادگاه

کارآزمایی بالینی آینده‌نگر تحت CTRI/2021/04/032742 در 12 آوریل 2021 ثبت شد و شرکت‌کنندگان بزرگسال 18 سال و بالاتر را که با علائم تنفسی به بخش‌های بیمارستان مراجعه کردند، ثبت‌نام کرد. اولین ثبت نام در 19 آوریل 2021 آغاز شد و محاکمه در 14 سپتامبر 2023 به پایان رسید.

گروه نهایی شامل 2179 بیمار مبتلا به بیماری های تنفسی در کنار 827 فرد عادی بود که شرکت کنندگان مرد 62 درصد از جمعیت مورد بررسی را تشکیل می دادند. در طول پروتکل، صداهای سرفه شرکت‌کنندگان بر روی یک دستگاه تلفن همراه با پلت فرم Swaasa AI ضبط شد و اسپیرومتری برای مقایسه انجام شد.

این کارآزمایی اسپیرومتری را به عنوان استاندارد مرجع برای الگوی فیزیولوژیکی و شدت الگو تعیین کرد، در حالی که تشخیص‌های بالینی تثبیت‌شده توسط پزشک به عنوان استاندارد مرجع برای دسته‌بندی‌های بیماری عمل می‌کردند. متغیرهای Polychotomous به طبقه‌بندی‌های عادی در مقابل غیرطبیعی تقسیم شدند و خروجی‌های چند طبقه برای وضعیت بیماری، شدت الگو و دسته‌های بیماری فردی ایجاد شد.

اعداد عملکرد

در طبقه‌بندی‌های دوتایی، این پلتفرم دقت 90 درصدی را در افتراق افراد عادی از افراد مبتلا به شرایط تنفسی غیرطبیعی نشان داد که با دقت 90 درصدی ثبت‌شده برای شناسایی اسپیرومتری طبیعی در مقابل غیرطبیعی مطابقت دارد. تجزیه و تحلیل های زیرگروه توصیفی نشان داد که عملکرد غربالگری به طور گسترده در بین گروه های سنی و جنسیتی بیماران ارزیابی شده قابل مقایسه است.

نتایج چند کلاسه اگر کمتر قابل توجه بود، قابل احترام بود. این پلتفرم برای طبقه بندی الگوهای اسپیرومتری بین 79 تا 84 درصد و برای طبقه بندی شدت الگو بین 76 تا 84.5 درصد دقت دارد. هنگام افتراق انواع بیماری های خاص در میان آسم، COPD، بیماری بینابینی ریه و برونشکتازی، دقت بین 83 تا 93 درصد متغیر بود.

چه کسی آن را ساخته است

نویسندگان مطالعه به کالج پزشکی مسیحی Vellore، Salcit Technologies Private Limited - توسعه دهنده Swaasa - و دانشگاه پزشکی تامیل نادو دکتر MGR وابسته هستند. نویسندگان به این نتیجه رسیدند که Swaasa عملکرد غربالگری امیدوارکننده ای را در بین زیر گروه های جمعیتی در جمعیت مورد مطالعه نشان می دهد.

ساختار همکاری قابل توجه است: یک مرکز پزشکی آکادمیک ارائه دهنده دقت بالینی، یک دانشگاه پزشکی، و یک استارتاپ تامین کننده هوش مصنوعی صوتی. این ترکیب - متخصصان بالینی که الگوریتم یک استارت‌آپ را در برابر تشخیص‌های تثبیت‌شده تأیید می‌کنند - به طور فزاینده‌ای الگوی تحقیقات هوش مصنوعی پزشکی معتبر است، برخلاف معیارهای فروشندگان که شک و تردید موجهی را به همراه داشته است.

چرا آکوستیک سرفه مهم است

اسپیرومتری، استاندارد طلایی فعلی برای عملکرد ریه، به تجهیزات، تکنسین های آموزش دیده و یک بیمار همکار نیاز دارد که مانورهای تنفس اجباری را انجام دهد. ضبط سرفه نیاز به تلفن دارد. اگر غربالگری هوش مصنوعی بتواند افرادی را که نیاز به آزمایش تاییدی دارند به طور قابل اعتماد تریاژ کند، اقتصاد غربالگری تنفسی به طور اساسی تغییر می کند، به ویژه برای شرایطی مانند COPD که به طور معمول دیر تشخیص داده می شود.

هشدارها واقعی هستند. این ثبت‌نام مبتنی بر بیمارستان از بزرگسالان علامت‌دار بود، نه غربالگری جامعه از جمعیت عمومی، و دقت در یک پروتکل آینده‌نگر کنترل‌شده ممکن است با استقرار کثیف در دنیای واقعی متفاوت باشد. این پلتفرم همچنان در حال بررسی است و دقت 90 درصدی در تشخیص طبیعی از غیرطبیعی به این معنا نیست که می‌تواند به طور قابل اعتماد چهار بیماری مختلف را در هر مورد از هم تشخیص دهد - محدوده‌های چند کلاسه این موضوع را روشن می‌کنند.

مسیر رگولاتوری گلوگاه بعدی است. از آنجایی که Swaasa به عنوان یک نرم افزار به عنوان یک دستگاه پزشکی قرار می گیرد، نشانه های تشخیصی آن باید فرآیندهای نظارتی را که برای ابزارهای تصمیم گیری بالینی اعمال می شود پاک کند، قبل از اینکه بتواند از استفاده تحقیقاتی به مراقبت های معمولی منتقل شود. اعتبارسنجی آینده نگر منتشر شده در یک مجله معتبر پیش نیاز آن مکالمه است، نه جایگزینی برای آن.

همچنین یک عدم تقارن عملی به نفع پلت فرم است. اسپیرومتری به تجهیزات، کالیبراسیون و یک تکنسین آموزش دیده در اتاق نیاز دارد. ضبط سرفه به دستگاهی نیاز دارد که اکثر بیماران از قبل دارند و مانوری که هر بیمار از قبل می داند. در غربالگری، جایی که هدف این است که به جای ارائه تشخیص نهایی، تصمیم گیری شود که چه کسی به آزمایش تاییدی نیاز دارد، یک آزمایش کمی دقیق تر که ده برابر تعداد افراد بیشتری می رسد، می تواند جان بیشتری نسبت به آزمایش دقیقی که در زیرزمین بیمارستان می نشیند، نجات دهد. یافته‌های کارآزمایی مبنی بر اینکه عملکرد در گروه‌های سنی و جنسیتی ثابت است، دقیقاً همان نوع سازگاری است که ابزار غربالگری برای مقیاس‌بندی نیاز دارد.

با این حال، مسیر مهم است. یک صفحه نمایش مبتنی بر تلفن که در برابر اسپیرومتری در بیش از 3000 شرکت‌کننده تأیید شده است، دیگر یک ترفند سالن نیست. آزمایش بعدی استقرار است: آیا غربالگری هوش مصنوعی مبتنی بر سرفه می‌تواند دقت خود را در کلینیک‌ها، داروخانه‌ها و خانه‌ها حفظ کند و آیا تنظیم‌کننده‌ها و پزشکان از سیگنال تشخیصی که از صدایی که اکثر مردم به سختی به آن فکر می‌کنند می‌پذیرند یا خیر.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →