Estetoscopio inteligente impulsado por IA mejora el manejo de enfermedades respiratorias

El silbido característico que produce el aire que atraviesa la intrincada red de diminutos conductos pulmonares cambia significativamente cuando esos canales se ven afectados por inflamación asmática o bloqueados por secreciones asociadas a la bronquitis. El proceso de escuchar estos cambios de sonido con un estetoscopio, conocido como auscultación, es una parte indispensable de casi todos los exámenes de salud. A pesar de más de 200 años de uso del estetoscopio, la interpretación de la auscultación sigue siendo en gran medida subjetiva, ya que diferentes médicos a menudo escuchan diferentes sonidos. La precisión también varía según la experiencia y el área de especialización del proveedor de atención médica. Estas complejidades presentan una oportunidad ideal para el aprendizaje profundo, que podría ofrecer una interpretación más objetiva de los patrones de audio. El aprendizaje profundo ya ha demostrado su valor para aumentar la interpretación humana de pruebas médicas complejas como radiografías y resonancias magnéticas.

Ahora, un equipo de investigadores de la EPFL (Lausana, Suiza) y el Hospital Universitario de Ginebra (HUG, Ginebra, Suiza) ha desarrollado un estetoscopio inteligente, el Pneumoscope, que funciona con un novedoso algoritmo de IA: DeepBreath. La herramienta innovadora es prometedora para mejorar el manejo de las enfermedades respiratorias, especialmente en lugares remotos y con recursos limitados. El algoritmo se entrenó con datos de pacientes de Suiza y Brasil, y luego se validó con grabaciones de Senegal, Camerún y Marruecos, lo que muestra su adaptabilidad geográfica. En un estudio, el algoritmo de IA, DeepBreath, demostró cómo la interpretación automatizada podría revolucionar el diagnóstico de enfermedades respiratorias. Unos 600 pacientes ambulatorios pediátricos de cinco países (Suiza, Brasil, Senegal, Camerún, Marruecos) participaron en el estudio, enfocándose en los tres tipos más comunes de enfermedades respiratorias: neumonía confirmada por radiografía y bronquiolitis y asma clínicamente diagnosticadas. A pesar de la pequeña cohorte de pacientes, DeepBreath demostró un desempeño impresionante en varias ubicaciones, lo que significa que existe el potencial de mejorar aún más con más datos.

Una contribución significativa del estudio fue el uso de métodos adicionales para comprender el funcionamiento interno de la "caja negra" del algoritmo. El equipo de investigación demostró con éxito que el modelo realmente se basaba en el ciclo de respiración para sus predicciones y resaltó las partes más importantes. Al confirmar que el algoritmo realmente usa sonidos respiratorios en lugar de señales sesgadas en el ruido de fondo, denominado "trampa", el estudio llena un vacío crucial en la literatura actual y aumenta la confianza en el algoritmo. El equipo multidisciplinario ahora se está enfocando en preparar el algoritmo para su implementación en el mundo real en el Pneumoscope. El siguiente paso importante consiste en repetir el estudio con un grupo de pacientes más grande, utilizando grabaciones de este estetoscopio digital recientemente desarrollado que también captura la temperatura y los niveles de oxígeno en la sangre.

“Las enfermedades respiratorias son la causa número uno de muerte prevenible en este grupo de edad”, explicó el profesor Alain Gervaix, jefe del Departamento de Medicina Pediátrica de HUG. “Este trabajo es un ejemplo perfecto de una colaboración exitosa entre HUG y EPFL, entre estudios clínicos y ciencia básica. El Pneumoscope alimentado por DeepBreath es una innovación revolucionaria para el diagnóstico y tratamiento de enfermedades respiratorias”.

Enlaces relacionados:
EPFL  
HUG

Visitar la expo >

Miembro Oro

SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test

SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)

Miembro Oro

STI Test

Vivalytic Sexually Transmitted Infection (STI) Array

New

LED Examination Lamp

Clarity 50 LED

New

Computed Tomography System

Aquilion ONE / INSIGHT Edition