(资料图片)

EPFL 和日内瓦大学医院 (HUG) 开发的一种新 AI 算法将为称为 Pneumoscope 的智能听诊器提供动力，它有可能改善资源匮乏和偏远地区呼吸系统疾病的管理。

当空气通过我们肺部迷宫般的小通道时，它会发出一种独特的嗖嗖声。当这些通道因哮喘炎症而收缩，或被支气管炎的感染性分泌物堵塞时，声音会以特有的方式发生变化。使用应用于胸部的听诊器来筛查这些诊断特征，一种称为听诊的程序，已成为几乎所有健康检查中不可避免的要素。

然而，尽管听诊器已有两个世纪的使用经验，但对听诊的解释仍然非常主观，一位医生下一位医生会听到不同的声音。事实上，根据您所处的位置，一种声音可以用不同的方式描述为滋滋声、爆裂糖、魔术贴、炒饭等等。准确性进一步受到卫生工作者的经验水平及其专业化的影响。

这些复杂性使其成为深度学习的理想挑战，它有可能更客观地区分音频模式。深度学习已被证明可以增强人类在解释一系列复杂医学检查(例如 X 射线和 MRI 扫描)时的感知。

现在，位于机器学习和优化实验室的 EPFL 智能全球健康研究小组 (iGH) 在 npj Digital Medicine 上发表的一项新研究描述了他们的 AI算法DeepBreath, 这显示了自动解释在呼吸系统疾病诊断中的潜力。

“使这项研究特别独特的是听诊音库的多样性和严格收集，”该研究的资深作者、医学博士和生物医学数据科学家、iGH 负责人 Mary-Anne Hartley 博士说。在五个国家(瑞士、巴西、塞内加尔、喀麦隆和摩洛哥)招募了近 600 名儿科门诊患者。记录了 15 岁以下患者的呼吸音，这些患者患有三种最常见的呼吸系统疾病——放射学确诊的肺炎和临床诊断的细支气管炎，以及哮喘。