根据《医学前沿》发表的前瞻性临床验证结果,Swaasa 人工智能平台在区分健康个体和患有呼吸道疾病的患者方面实现了 90% 的准确率,这一结果可能会重塑传统诊所之外肺部疾病的筛查方式。

Bioengineer.org 本周报道的这一发现来自迄今为止对基于咳嗽的人工智能筛查的一项更大规模的前瞻性评估,它们的出现正值全球医疗保健系统寻求更便宜的方法来更早地检测慢性呼吸道疾病之际。这是最新人工智能发展中渐进但经过严格测试的进展,通常比任何产品发布更能说明医疗人工智能的实际发展方向。

How Swaasa Works

Swaasa 是一个研究平台,充当医疗设备软件,将人工智能算法应用于移动设备上捕获的咳嗽记录。该平台旨在根据声音信号生成自动临床指示,通过评估咳嗽记录来确定总体风险为正常或异常,将肺量测定生理模式分类为阻塞性、限制性或正常,并估计模式严重程度为轻度、中度或重度。

除了生理学之外,该系统还可以生成有关特定呼吸系统疾病的诊断指示,包括哮喘、慢性阻塞性肺病 (COPD)、间质性肺病和支气管扩张。这个承诺很简单:在患者到达肺活量测定实验室之前,对着手机麦克风咳嗽五秒钟就可以发现严重肺部疾病的迹象。

Inside the Trial

该前瞻性临床试验于 2021 年 4 月 12 日在 CTRI/2021/04/032742 下注册,招募了 18 岁及以上因呼吸道症状而到医院科室就诊的成年参与者。首次招募于2021年4月19日开始,试验于2023年9月14日结束。

最终队列包括 2,179 名呼吸系统疾病患者和 827 名正常人,其中男性参与者占评估研究人群的 62%。在实验过程中,参与者的咳嗽声被记录在运行 Swaasa AI 平台的移动设备上,并进行肺活量测定以进行比较。

该试验将肺活量测定法作为生理模式和模式严重程度的参考标准,而医生制定的临床诊断作为疾病类别的参考标准。多分类变量被分为正常与异常分类,并针对疾病状况、模式严重程度和个体疾病类别建立多类输出。

The Performance Numbers

在二元分类中,该平台在区分正常个体和呼吸系统异常个体方面表现出 90% 的准确度,与识别正常与异常肺活量测定记录的 90% 准确度相匹配。描述性亚组分析显示,在评估的患者年龄和性别组中,筛查表现大致具有可比性。

多类别的结果虽然不那么引人注目,但还是令人尊敬的。该平台对肺量测定模式的分类准确度在 79% 到 84% 之间,对模式严重程度的分类准确度在 76% 到 84.5% 之间。在区分哮喘、慢性阻塞性肺病、间质性肺病和支气管扩张之间的特定疾病类型时,准确率在 83% 到 93% 之间。

Who Built It

该研究的作者隶属于 Christian Medical College Vellore、Salcit Technologies Private Limited(Swaasa 的开发商)和泰米尔纳德邦 Dr MGR 医科大学。作者得出的结论是,Swaasa 在研究人群的各个人口亚组中表现出了有希望的筛查性能。

合作结构值得注意:一个提供临床严谨性的学术医疗中心、一所医科大学和一家提供声学人工智能的初创公司。这种组合——临床医生根据既定的诊断来验证初创公司的算法——越来越成为可信的医疗人工智能研究的模板,这与引起合理怀疑的供应商运行的基准形成鲜明对比。

Why Cough Acoustics Matter

肺活量测定法是目前肺功能的黄金标准,需要设备、训练有素的技术人员和合作的患者进行强制呼吸操作。咳嗽录音需要手机。如果人工智能筛查能够可靠地对需要确认检测的人进行分类,那么呼吸系统筛查的经济性就会发生根本性的变化,特别是对于慢性阻塞性肺病等通常诊断较晚的疾病。

这些警告是真实的。这是在医院对有症状的成年人进行登记,而不是对一般人群进行社区筛查,受控前瞻性方案的准确性可能与混乱的现实世界部署不同。该平台仍处于研究阶段,区分正常与异常的 90% 准确率并不意味着它可以在每种情况下可靠地区分四种不同的疾病 - 多类别范围清楚地表明了这一点。

监管路径是下一个瓶颈。由于 Swaasa 被定位为医疗设备软件,因此其诊断适应症需要明确适用于临床决策工具的监督流程,然后才能从研究用途转向常规护理。在同行评审期刊上发表的前瞻性验证是该对话的先决条件,而不是替代品。

There is also a practical asymmetry working in the platform's favor.肺活量测定需要设备、校准以及房间内经过培训的技术人员;咳嗽记录需要大多数患者已经拥有的设备和每个患者都知道的操作。在筛查中,目标是决定谁需要验证性检测,而不是提供最终诊断,与医院地下室的精确检测相比,精确度稍低的检测可以覆盖十倍的人数,可以挽救更多的生命。该试验发现,不同年龄和性别群体的表现保持稳定,这正是筛查工具需要扩展的一致性。

尽管如此,轨迹仍然很重要。经过 3,000 多名参与者的肺活量测定验证的手机屏幕不再是一个小把戏。下一个测试是部署:基于咳嗽的人工智能筛查是否能够在诊所、药房和家庭中保持其准确性,以及监管机构和医生是否接受来自大多数人几乎没有想到的声音的诊断信号。

---

保持人工智能领先地位

获取最新的人工智能新闻、分析和突破——尽在一个地方。

阅读更多人工智能新闻 →