Jak wynika z prospektywnych wyników walidacji klinicznej opublikowanych w Frontiers in Medicine, platforma sztucznej inteligencji Swaasa osiągnęła 90% dokładności w odróżnianiu osób zdrowych od pacjentów z chorobami układu oddechowego. Wynik ten może zmienić sposób badania chorób płuc poza tradycyjnymi klinikami.
Odkrycia, opublikowane w tym tygodniu przez Bioengineer.org, pochodzą z jednej z większych dotychczas prospektywnych ocen badań przesiewowych opartych na sztucznej inteligencji na kaszel i pojawiły się, gdy systemy opieki zdrowotnej na całym świecie szukają tańszych sposobów wcześniejszego wykrywania przewlekłych chorób układu oddechowego. Jest to rodzaj stopniowego, ale rygorystycznie testowanego postępu w najnowszych osiągnięciach sztucznej inteligencji, który często mówi więcej o tym, dokąd faktycznie zmierza medyczna sztuczna inteligencja, niż jakiekolwiek wprowadzenie produktu na rynek.
Jak działa Swaasa
Swaasa to platforma badawcza, która funkcjonuje jako Oprogramowanie jako Urządzenie Medyczne, wykorzystując algorytmy sztucznej inteligencji do nagrań kaszlu zarejestrowanych na urządzeniu mobilnym. Platforma, opracowana w celu generowania automatycznych wskazań klinicznych na podstawie sygnałów akustycznych, ocenia nagrania kaszlu, aby określić ogólne ryzyko jako normalne lub nieprawidłowe, klasyfikować spirometryczne wzorce fizjologiczne jako obturacyjne, restrykcyjne lub normalne oraz oceniać nasilenie wzorca jako łagodne, umiarkowane lub ciężkie.
Oprócz fizjologii, system generuje wskazania diagnostyczne dotyczące obecności określonych chorób układu oddechowego, w tym astmy, przewlekłej obturacyjnej choroby płuc (POChP), śródmiąższowej choroby płuc i rozstrzeni oskrzeli. Obietnica jest prosta: pięciosekundowy kaszel do mikrofonu telefonu może sygnalizować oznaki poważnej choroby płuc, zanim pacjent dotrze do laboratorium spirometrycznego.
Wewnątrz procesu
Prospektywne badanie kliniczne zostało zarejestrowane pod numerem CTRI/2021/04/032742 w dniu 12 kwietnia 2021 r. i obejmowało dorosłych uczestników w wieku 18 lat i starszych, którzy zgłosili się na oddziały szpitalne z objawami ze strony układu oddechowego. Pierwszy nabór rozpoczął się 19 kwietnia 2021 r., a okres próbny zakończył się 14 września 2023 r.
Ostateczna kohorta obejmowała 2179 pacjentów z chorobami układu oddechowego oraz 827 zdrowych osób, przy czym mężczyźni stanowili 62 procent ocenianej populacji badania. Podczas protokołu odgłosy kaszlu uczestników rejestrowano na urządzeniu mobilnym z platformą Swaasa AI i dla porównania wykonano spirometrię.
W badaniu ustanowiono spirometrię jako standard referencyjny dla wzorca fizjologicznego i nasilenia wzorca, podczas gdy diagnozy kliniczne ustalone przez lekarza posłużyły jako standard referencyjny dla kategorii chorób. Zmienne polichotomiczne podzielono na klasyfikacje normalne i nieprawidłowe, a następnie ustalono wieloklasowe wyniki dla stanu chorobowego, nasilenia wzorca i poszczególnych kategorii chorób.
Liczby wydajności
W przypadku klasyfikacji binarnych platforma wykazała 90-procentową dokładność w odróżnianiu osób zdrowych od osób z nieprawidłowymi chorobami układu oddechowego, co odpowiada 90-procentowej dokładności zarejestrowanej w przypadku identyfikacji prawidłowej i nieprawidłowej spirometrii. Opisowe analizy podgrup wykazały, że wyniki badań przesiewowych były zasadniczo porównywalne we wszystkich ocenianych grupach pacjentów pod względem wieku i płci.
Wyniki w wielu klasach były przyzwoite, choć mniej uderzające. Platforma osiągnęła dokładność w zakresie od 79% do 84% w przypadku klasyfikacji wzorców spirometrycznych oraz od 76% do 84,5% w przypadku klasyfikacji nasilenia wzorców. Przy różnicowaniu określonych typów chorób między astmą, POChP, śródmiąższową chorobą płuc i rozstrzeniami oskrzeli dokładność wahała się od 83% do 93%.
Kto to zbudował
Autorzy badania są powiązani z Christian Medical College Vellore, Salcit Technologies Private Limited — twórcą Swaasa — i Uniwersytetem Medycznym Tamil Nadu Dr MGR. Autorzy doszli do wniosku, że Swaasa wykazuje obiecujące wyniki w badaniach przesiewowych we wszystkich podgrupach demograficznych badanej populacji.
Godna uwagi jest struktura współpracy: akademickie centrum medyczne zapewniające rygor kliniczny, uniwersytet medyczny i startup dostarczający akustyczną sztuczną inteligencję. Ta kombinacja – klinicyści weryfikujący algorytm start-upu w oparciu o ustaloną diagnostykę – w coraz większym stopniu staje się szablonem wiarygodnych badań nad medyczną sztuczną sztuczną inteligencją, w przeciwieństwie do testów porównawczych prowadzonych przez dostawców, które wzbudziły uzasadniony sceptycyzm.
Dlaczego akustyka kaszlu ma znaczenie
Spirometria, obecny złoty standard w ocenie czynności płuc, wymaga sprzętu, przeszkolonych techników i współpracującego pacjenta wykonującego wymuszone manewry oddechowe. Nagrywanie kaszlu wymaga telefonu. Jeśli badania przesiewowe oparte na sztucznej inteligencji pozwolą na wiarygodną selekcję osób potrzebujących badań potwierdzających, ekonomika badań przesiewowych układu oddechowego ulegnie zasadniczej zmianie, szczególnie w przypadku chorób takich jak POChP, które są rutynowo późno diagnozowane.
Zastrzeżenia są prawdziwe. Chodziło o włączenie do szpitala dorosłych z objawami, a nie o społeczne badania przesiewowe populacji ogólnej, a dokładność kontrolowanego protokołu prospektywnego może różnić się od chaotycznego wdrożenia w świecie rzeczywistym. Platforma pozostaje w fazie badań, a 90-procentowa dokładność w odróżnianiu stanu normalnego od nieprawidłowego nie oznacza, że może wiarygodnie rozróżnić cztery różne choroby w każdym przypadku — jasno to pokazują zakresy obejmujące wiele klas.
Kolejnym wąskim gardłem jest ścieżka regulacyjna. Ponieważ produkt Swaasa jest pozycjonowany jako oprogramowanie jako wyrób medyczny, jego wskazania diagnostyczne będą musiały przejść procesy nadzoru mające zastosowanie do narzędzi podejmowania decyzji klinicznych, zanim będzie można przejść z zastosowań badawczych do rutynowej opieki. Potencjalna weryfikacja opublikowana w recenzowanym czasopiśmie jest warunkiem wstępnym tej rozmowy, a nie jej substytutem.
Na korzyść platformy działa także praktyczna asymetria. Spirometria wymaga sprzętu, kalibracji i obecności przeszkolonego technika w pomieszczeniu; nagrywanie kaszlu wymaga urządzenia, które większość pacjentów już posiada, i manewru, który każdy pacjent już zna. W badaniach przesiewowych, których celem jest podjęcie decyzji, kto potrzebuje badań potwierdzających, a nie postawienie ostatecznej diagnozy, nieco mniej precyzyjny test, który dociera do dziesięciu razy większej liczby osób, może uratować więcej istnień ludzkich niż precyzyjny test przechowywany w piwnicy szpitala. Badanie wykazało, że wyniki utrzymywane na stałym poziomie w różnych grupach wiekowych i płciowych to dokładnie taki rodzaj spójności, jakiego potrzebuje narzędzie do badań przesiewowych.
Jednak trajektoria ma znaczenie. Ekran oparty na telefonie, zweryfikowany za pomocą spirometrii u ponad 3000 uczestników, nie jest już sztuczką salonową. Następnym testem jest wdrożenie: czy badania przesiewowe oparte na sztucznej inteligencji oparte na kaszlu mogą utrzymać swoją dokładność w klinikach, aptekach i domach oraz czy organy regulacyjne i lekarze akceptują sygnał diagnostyczny pochodzący z dźwięku, o którym większość ludzi ledwo myśli.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
