利用人工智能和机器学习开发和评估一个上下文化的,用户友好的咳音频分类器来检测呼吸系统疾病:坦桑尼亚农村地区诊断研究的协议

科学领域:

• 人工智能在医学中的应用
• 数字健康数字健康
• 呼吸系统医学 呼吸系统医学

背景情况:

• 呼吸系统疾病,包括活性结核病 (TB),喘和慢性阻塞性肺病 (COPD),对全球健康构成重大挑战.
• 准确及时诊断对于有效管理和治疗这些疾病至关重要.
• 当前的诊断方法在资源有限的环境中可能是侵入性的或不可访问的.

研究的目的:

• 开发和评估一种非侵入性,用户友好的,由人工智能 (AI) 驱动的咳音频分类器.
• 使用咳声音检测活动性结核病 (TB),喘和慢性阻塞性肺病 (COPD).
• 提高坦桑尼亚农村地区的诊断能力.

主要方法:

• 收集和分析了坦桑尼亚农村门诊的活跃结核病,喘和慢性肺炎患者的咳声音.
• 使用专门的,非侵入性的录音设备来收集各种咳声音样本.
• 采用先进的AI信号处理和机器学习技术来比较声学特征并开发一种疾病歧视算法.
• 根据临床评估和建立的诊断标准评估了基于智能手机的分类器.

主要成果:

• 预计这项研究将产生一种可靠的,非侵入性的咳分类器,用于根据声音模式区分呼吸道疾病.
• 结果将与四个研究阶段的支持图像,表格和图表一起呈现.
• 该分类器旨在赋予医疗保健专业人员和患者在疾病早期识别方面的权力.

结论:

• 由人工智能驱动的咳声音分类器为传统呼吸系统疾病诊断提供了不那么侵入性和更有效的替代方案.
• 这项技术有可能减少公共卫生负担并改善患者的治疗结果.
• 开发的分类器可以提高医疗保健的获取和改变呼吸系统疾病管理,特别是在服务不足的地区.