ISAPP-杰米·谭（Jamie Tan）博士

由作者提供

https://respiratory-research.biomedcentral.com/articles/10.1186/s12931-019-1046-6

Respiratory disorders are the second most common reason for children to attend an emergency department. Pneumonia claims the lives of approximately 900,000 children each year, and lower respiratory infections are a leading cause of reduced quality of life and life span worldwide. To help address this, we have developed a tool designed to separate different pediatric respiratory diseases based on the sound of the cough they cause.

我们组建了一个协作研究团队。。。开发和测试可以识别常见儿童呼吸系统疾病的算法

准确，及时诊断呼吸条件对于开始适当的治疗至关重要。不幸的是，在许多情况下，诊断状况并不理想，这可能是由于训练有素的临床医生或调查的困难。医生需要身体上进行临床评估，这限制了远程医疗与呼吸有关的咨询。在远程医疗在全球范围内扩展的时期，我们认为重要的是要研究接近呼吸系统评估的新方法。

在过去的六年中，我的研究部门专注于检查临床医学的快速发展，尤其是人工智能（AI）在诊断中的影响。2016年，我被昆士兰州大学介绍给乌丹莎·阿贝拉特（Udantha Abeyratne）教授，他通过分析印度尼西亚的咳嗽声来诊断出令人兴奋的工作，以诊断童年肺炎。在Bill＆Melinda Gates基金会在全球健康勘探拨款中的巨大挑战的支持下，他表明咳嗽的声音带有有关较低气道病理学的声学信息。

乌丹莎（Udantha）和我致力于调查是否可以培训数学算法以识别嵌入在不同呼吸系统饮食中的咳嗽声音中的特征。我们组建了一个由西澳大利亚州的儿科临床医生组成的合作研究团队，以收集临床数据，并从昆士兰州收集声学和AI工程师来开发并测试可以识别常见儿童呼吸疾病的算法。该测试将位于无处不在的智能设备上，例如iPhone，以便于录制和分析。

What did we do?

我们从西澳大利亚州的两家医院中收集了一个从29天到12岁的1437名儿童的临床和咳嗽声数据库。由此，我们使用了852名患者的训练组开发算法，以识别各种呼吸系统疾病的特定特征。在我们的方法中，我们使用类似于在语音识别中成功使用的技术：分析咳嗽和呼吸声音以及相关的呼吸声流作为一种“语言”，其功能作为音素，单词和句子运行。

我们研究了五种不同的疾病：巩固性肺炎，臀部，哮喘，支气管炎以及一般下呼吸道疾病（LRTD）的存在。然后，与临床面板诊断相比，我们使用数据库中的其他患者（n = 585）来测试该工具的准确性。

我们发现了什么？

The algorithm showed excellent performance in detecting common childhood respiratory disorders. The levels of agreement with clinical consensus were: for asthma (PPA 97%, NPA 91%); pneumonia (PPA 87%, NPA 85%); LRTD (PPA 83%, NPA 82%); croup (PPA 85%, NPA 82%); bronchiolitis (PPA 84%, NPA 81%).

对于肺炎诊断，结果超出了其他评分系统的性能，包括世界卫生组织诊断的世界卫生组织标准，其中工具敏感性是当务之急。

Where can this tool be used?

这项技术带来的优势是一个bility to identify common respiratory disorders without the need for clinical examination, or indeed standard investigations (such as x-rays) or bronchodilator testing. The ability to provide a point-of-care diagnostic output reduces the time between obtaining and waiting for x-ray and other results. For these reasons, the technology would be useful for telehealth consultations and in remote area health services where there is limited access to healthcare.

The tool’s ability to differentiate asthma from pneumonia would be particularly useful in low-income countries where diagnostic guidelines favor pneumonia diagnosis, to the point that up to 50% of children under the age of five years diagnosed with pneumonia could have had their illness reclassified as asthma.

这项研究表明，诸如机器学习，数学建模和临床医学之类的新技术如何成功地开发一种新颖的评估和诊断疾病的方法。我们乐观的是，该技术将在不可能进行临床检查时将其添加为有价值的诊断辅助，而不是替换为有价值的诊断辅助。

现在，我们正在扩大调查，以研究成人呼吸系统疾病，并检查我们技术对疾病严重程度进行分层的使用。