Tech / Nauka
Tomasz Wiśniewski
Redaktor technologiczny. Interesuje się sztuczną inteligencją, startupami i nowymi mediami, a także odkryciami naukowymi. Wielbiciel science fiction i gier planszowych.
Choroby układu oddechowego u dzieci od zawsze stanowią poważny problem. Tradycyjnie lekarze osłuchują klatkę piersiową stetoskopem, aby wychwycić nieprawidłowe dźwięki – trzeszczenia, rzężenia, świsty, furczenia czy tarcie opłucnowe. Taka diagnostyka wymaga jednak wizyty w gabinecie albo wizyty domowej.
Zespół z Seoul National University of Science and Technology w Korei Południowej postanowił wykorzystać do wstępnej diagnostyki urządzenie, które dziecko zawsze chce mieć przy sobie, czyli smartfon. Wyniki badań opisano w „IEEE Journal of Biomedical and Health Informatics”.
Smartfony mają wbudowane mikrofony i są powszechnie dostępne, więc mogłyby wspierać badania układu oddechowego w domu. Problem w tym, że modele sztucznej inteligencji trenowane na nagraniach z elektronicznych stetoskopów nie przenoszą się łatwo na dźwięk z telefonu. Oba urządzenia rejestrują go inaczej.
„Dla sieci neuronowej smartfon i elektroniczny stetoskop to w praktyce dwa różne języki” – wyjaśnia prof. Seong-Eun Kim. Jego zespół zbudował system głębokiego uczenia z adaptacją domenową, stworzony specjalnie z myślą o smartfonach. Model uczy się na opisanych nagraniach ze stetoskopów i jednocześnie dostosowuje się do specyfiki telefonu.
Naukowcy zgromadzili nagrania wykonane równocześnie stetoskopem i smartfonem. Główny zbiór obejmował dźwięki płuc 611 dzieci w wieku od 0 do 6 lat, a dla 147 z nich powstały także odpowiadające im nagrania z telefonu. Dźwięki rejestrowano w tych samych czterech punktach anatomicznych. Tak przygotowane, sparowane zbiory danych należą do rzadkości. Dodatkowo badacze zebrali niezależny zewnętrzny zbiór nagrań wykonanych wyłącznie smartfonami, pochodzących od 48 dzieci.
W trakcie uczenia zastosowano dwie uzupełniające się strategie. Dźwięk z telefonu przepuszczono przez filtr dolnoprzepustowy 1 kHz i obniżono częstotliwość próbkowania z 48 kHz do 4 kHz, dzięki czemu jego charakterystyka częstotliwościowa bardziej przypomina nagranie ze stetoskopu. Po drugie model korzysta z modułu „MixStyle”, który przenosi statystyki cech z domeny smartfonowej do stetoskopowej. Moduł włączono do architektury Audio Spectrogram Transformer, czyli modelu głębokiego uczenia przeznaczonego do klasyfikacji dźwięku.
Zdaniem prof. Kima rozwiązanie mogłoby pomóc rodzicom w badaniach przesiewowych w domu, między wizytami lekarskimi, przy zachowaniu lekarzom dostępu do wyników. Mogłoby też usprawnić zdalne konsultacje i wspierać wstępną diagnostykę na obszarach trudno dostępnych.
Przed wdrożeniem potrzebne są dalsze badania weryfikacyjne z większymi grupami pacjentów, w różnych placówkach, z nagraniami wykonanymi w domach i przy użyciu różnych modeli smartfonów.