L’intelligenza artificiale viene utilizzata anche per sviluppare un’app per prevedere le esacerbazioni nella broncopneumopatia cronica ostruttiva

 

L’intelligenza artificiale (AI) può essere utilizzata per rilevare l’infezione da COVID-19 nelle voci delle persone tramite un’app per telefoni cellulari, secondo una ricerca che sarà presentata lunedì al Congresso internazionale della European Respiratory Society a Barcellona, ​​in Spagna [1].

 

Il modello AI utilizzato in questa ricerca è più accurato dei test antigenici a flusso laterale/rapido ed è economico, veloce e facile da usare, il che significa che può essere utilizzato nei paesi a basso reddito dove i test PCR sono costosi e/o difficili da distribuire.

 

La signora Wafaa Aljbawi, ricercatrice presso l’Istituto di scienza dei dati, Università di Maastricht, Paesi Bassi, ha dichiarato al congresso che il modello di intelligenza artificiale era accurato l’89% delle volte, mentre l’accuratezza dei test di flusso laterale variava ampiamente a seconda del marchio. Inoltre, i test del flusso laterale erano notevolmente meno accurati nel rilevare l’infezione da COVID nelle persone che non mostravano sintomi.

 

“Questi risultati promettenti suggeriscono che semplici registrazioni vocali e algoritmi di intelligenza artificiale perfezionati possono potenzialmente raggiungere un’elevata precisione nel determinare quali pazienti hanno l’infezione da COVID-19″, ha affermato. “Tali test possono essere forniti gratuitamente e sono semplici da interpretare. Inoltre, consentono test virtuali e remoti e hanno un tempo di risposta inferiore a un minuto. Potrebbero essere utilizzati, ad esempio, nei punti di ingresso per grandi assembramenti, consentendo uno screening rapido della popolazione”.

 

L’infezione da COVID-19 di solito colpisce le vie respiratorie superiori e le corde vocali, portando a cambiamenti nella voce di una persona. La sig.ra Aljbawi e i suoi supervisori, il dott. Sami Simons, pneumologo presso il Centro medico dell’Università di Maastricht, e il dott. Visara Urovi, anche lui dell’Institute of Data Science, hanno deciso di indagare se fosse possibile utilizzare l’IA per analizzare le voci al fine di rilevare il COVID-19 .

 

Hanno utilizzato i dati dell’app COVID-19 Sounds dell’Università di Cambridge che contiene 893 campioni audio di 4.352 partecipanti sani e non sani, 308 dei quali sono risultati positivi al COVID-19. L’app viene installata sul cellulare dell’utente, i partecipanti riportano alcune informazioni di base su dati demografici, anamnesi e stato di fumo, quindi viene chiesto di registrare alcuni suoni respiratori. Questi includono tosse tre volte, respirare profondamente attraverso la bocca da tre a cinque volte e leggere una breve frase sullo schermo tre volte.

 

I ricercatori hanno utilizzato una tecnica di analisi vocale chiamata Mel-spectrogram analysis, che identifica diverse caratteristiche della voce come volume, potenza e variazione nel tempo.

 

“In questo modo possiamo scomporre le molte proprietà delle voci dei partecipanti”, ha affermato la signora Aljbawi. “Per distinguere la voce dei pazienti COVID-19 da quelli che non avevano la malattia, abbiamo costruito diversi modelli di intelligenza artificiale e valutato quale funzionava meglio per classificare i casi di COVID-19”.

 

Hanno scoperto che un modello chiamato memoria a lungo termine (LSTM) ha superato gli altri modelli. LSTM si basa su reti neurali, che imitano il modo in cui opera il cervello umano e riconoscono le relazioni sottostanti nei dati. Funziona con sequenze, il che lo rende adatto a modellare segnali raccolti nel tempo, ad esempio dalla voce, per la sua capacità di memorizzare i dati nella sua memoria.

 

La sua accuratezza complessiva era dell’89%, la sua capacità di rilevare correttamente i casi positivi (il tasso di vero positivo o “sensibilità”) era dell’89% e la sua capacità di identificare correttamente i casi negativi (il tasso di vero negativo o “specificità”) era dell’83%.

 

“Questi risultati mostrano un miglioramento significativo nell’accuratezza della diagnosi di COVID-19 rispetto a test all’avanguardia come il test del flusso laterale”, ha affermato Aljbawi. “Il test del flusso laterale ha una sensibilità di solo il 56%, ma un tasso di specificità più elevato del 99,5%. Questo è importante in quanto significa che il test del flusso laterale classifica erroneamente le persone infette come negative al COVID-19 più spesso del nostro test. In altre parole, con il modello AI LSTM, potremmo perdere 11 casi su 100 che avrebbero continuato a diffondere l’infezione, mentre il test del flusso laterale mancherebbe 44 casi su 100.

 

“L’elevata specificità del test del flusso laterale significa che solo a una persona su 100 verrebbe erroneamente detto che era positiva al COVID-19 quando, in realtà, non era infetta, mentre il test LSTM diagnosticherebbe erroneamente 17 persone su 100 non infette come positivo. Tuttavia, poiché questo test è praticamente gratuito, è possibile invitare persone per i test PCR se i test LSTM mostrano che sono positivi”.

 

I ricercatori affermano che i loro risultati devono essere convalidati con grandi numeri. Dall’inizio di questo progetto, sono stati raccolti 53.449 campioni audio da 36.116 partecipanti e possono essere utilizzati per migliorare e convalidare l’accuratezza del modello. Stanno inoltre effettuando ulteriori analisi per capire quali parametri nella voce stanno influenzando il modello di intelligenza artificiale.

 

In un secondo studio, Henry Glyde, uno studente di dottorato presso la facoltà di ingegneria dell’Università di Bristol, ha dimostrato che l’IA potrebbe essere sfruttata tramite un’app chiamata myCOPD per prevedere quando i pazienti con broncopneumopatia cronica ostruttiva (BPCO) potrebbero subire una riacutizzazione -up della loro malattia, a volte chiamata esacerbazione acuta. Le riacutizzazioni della BPCO possono essere molto gravi e sono associate ad un aumentato rischio di ospedalizzazione. I sintomi includono mancanza di respiro, tosse e produzione di più catarro (muco).

 

“Le esacerbazioni acute della BPCO hanno scarsi risultati. Sappiamo che l’identificazione e il trattamento precoci delle riacutizzazioni possono migliorare questi risultati e quindi volevamo determinare la capacità predittiva di un’app per la BPCO ampiamente utilizzata”, ha affermato.

 

L’app myCOPD è un’app interattiva basata su cloud, sviluppata da pazienti e medici ed è disponibile per l’uso nel servizio sanitario nazionale del Regno Unito. È stato istituito nel 2016 e, finora, ha oltre 15.000 pazienti con BPCO che lo utilizzano per aiutarli a gestire la loro malattia.

 

I ricercatori hanno raccolto 45.636 record per 183 pazienti tra agosto 2017 e dicembre 2021 [3]. Di questi, 45.007 erano record di malattia stabile e 629 erano esacerbazioni. Le previsioni di esacerbazione sono state generate da uno a otto giorni prima di un evento di esacerbazione auto-riferito. Glyde e colleghi hanno utilizzato questi dati per addestrare modelli di intelligenza artificiale sul 70% dei dati e testarli sul 30%.

 

I pazienti erano “alti impegni”, che utilizzavano l’app settimanalmente per mesi o addirittura anni per registrare i loro sintomi e altre informazioni sulla salute, registrare i farmaci, impostare promemoria e avere accesso a informazioni aggiornate sulla salute e sullo stile di vita. I medici possono valutare i dati tramite un dashboard medico, consentendo loro di fornire supervisione, cogestione e monitoraggio remoto.

 

“Il modello di IA più recente che abbiamo sviluppato ha una sensibilità del 32% e una specificità del 95%. Ciò significa che il modello è molto efficace nel dire ai pazienti quando non stanno per sperimentare un’esacerbazione, il che può aiutarli a evitare trattamenti non necessari. È meno bravo a dirgli quando stanno per sperimentarne uno. Il miglioramento di questo sarà il fulcro della prossima fase della nostra ricerca”, ha affermato Glyde.

 

Parlando prima del congresso, il dottor James Dodd, professore associato in medicina respiratoria presso l’Università di Bristol e capo del progetto, ha dichiarato: “Per quanto ne sappiamo, questo studio è il primo del suo genere a modellare i dati del mondo reale da pazienti con BPCO, estratti da un app terapeutica ampiamente utilizzata. Di conseguenza, i modelli predittivi di esacerbazione generati da questo studio hanno il potenziale per essere distribuiti a migliaia di altri pazienti con BPCO dopo ulteriori test di sicurezza ed efficacia. Consentirebbe ai pazienti di avere maggiore autonomia e controllo sulla propria salute. Questo è anche un vantaggio significativo per i loro medici in quanto un tale sistema ridurrebbe probabilmente la dipendenza dei pazienti dalle cure primarie. Inoltre, esacerbazioni meglio gestite potrebbero prevenire il ricovero e alleviare il carico sul sistema sanitario. Sono necessari ulteriori studi sul coinvolgimento del paziente per determinare quale livello di accuratezza sia accettabile e come funzionerebbe in pratica un sistema di allerta per le riacutizzazioni. L’introduzione di tecnologie di rilevamento può migliorare ulteriormente il monitoraggio e migliorare le prestazioni predittive dei modelli”.

 

Uno dei limiti dello studio è il numero limitato di utenti frequenti dell’app. Il modello attuale richiede che un paziente inserisca un punteggio del test di valutazione della BPCO, compili il diario dei farmaci e quindi riferisca di avere un’esacerbazione accuratamente giorni dopo. Di solito, solo i pazienti che sono molto coinvolti con l’app, utilizzandola quotidianamente o settimanalmente, possono fornire la quantità di dati necessaria per la modellazione dell’IA. Inoltre, poiché ci sono molti più giorni in cui gli utenti sono stabili rispetto a quando hanno una riacutizzazione, c’è uno squilibrio significativo tra i dati disponibili sulla riacutizzazione e sulla non riacutizzazione. Ciò si traduce in un’ulteriore difficoltà nei modelli che predicono correttamente gli eventi dopo l’allenamento su questi dati sbilanciati.

 

“Una recente collaborazione tra pazienti, medici e operatori sanitari per stabilire le priorità di ricerca sulla BPCO ha rilevato che la domanda più importante era come identificare modi migliori per prevenire le riacutizzazioni. Ci siamo concentrati su questa domanda e lavoreremo a stretto contatto con i pazienti per progettare e implementare il sistema”, ha concluso Glyde. [4]

 

Il presidente dell’ERS Science Council, il professor Chris Brightling, è ricercatore senior del National Institute for Health and Care Research (NIHR) presso l’Università di Leicester, nel Regno Unito, e non è stato coinvolto nella ricerca. Ha commentato: “Questi due studi mostrano il potenziale dell’intelligenza artificiale e delle app su telefoni cellulari e altri dispositivi digitali per fare la differenza nel modo in cui vengono gestite le malattie. La disponibilità di più dati per l’addestramento di questi modelli di intelligenza artificiale, inclusi i gruppi di controllo appropriati, nonché la convalida in più studi, migliorerà la loro accuratezza e affidabilità. La salute digitale che utilizza i modelli di intelligenza artificiale rappresenta un’opportunità entusiasmante ed è probabile che influirà sull’assistenza sanitaria futura”.

DIDASCALIA
L’identificazione precoce delle riacutizzazioni della BPCO può essere gestita tramite l’app mobile myCOPD
CREDITO
la mia mHealth Ltd

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi