Mittwoch, 4. November 2020
KI erkennt Corona-Infektion am (erzwungenen) Husten – sogar bei asymptomatischen Patienten
che2001, 18:12h
Michael van den Heuvel, Medscape
Der erste Corona-Winter naht, die Infektionszahlen steigen – und die Testressourcen werden knapp. Zudem sind viele Patienten asymptomatisch. Wer keine Beschwerden hat, lässt sich nicht untersuchen. Und Antigen- oder PCR-Massentests sind keine praktikable Strategie, allein schon aufgrund der knappen Ressourcen.
Anwendungen aus dem Bereich der künstlichen Intelligenz könnten die Lücke schließen, wie Jordi Laguarta vom Massachusetts Institute of Technology (MIT), Cambridge, USA, und Kollegen jetzt berichten [1]. Sie lassen Patienten in das Mikrofon ihres Smartphones husten, wobei hier künstliches Husten wie bei einer Auskultation gemeint ist. Dann wird die Audiodatei analysiert. Mit ihrem Algorithmus erreichen die Forscher eine Sensitivität von 98,5% und eine Spezifität von 94,2%, wie sie im IEEE Open Journal of Engineering in Medicine and Biology berichten.
Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht. Brian Subirana
„Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht“, meint Co-Autor Brian Subirana vom MIT in einer Pressemeldung [2].
MIT-Forscher sammeln Stimmproben
Bereits vor dem Ausbruch der SARS-CoV-2-Pandemie haben mehrere Forschergruppen Algorithmen entwickelt, um Krankheiten wie Lungenentzündung und Asthma anhand von künstlichem Husten zu erkennen. Das Team am MIT trainierte mathematische Modelle, um speziell Patienten mit Alzheimer-Demenz anhand von Hustensignalen zu identifizieren. Die Krankheit beeinträchtigt aufgrund neuromuskulärer Veränderungen auch die Stimmbänder. Daraus leiteten Laguarta und Kollegen ihre Hypothese ab, ob es vielleicht gelinge, Unterschiede beim erzwungenen Husten mit künstlicher Intelligenz nachzuweisen.
Im April machte sich das Team daran, Aufzeichnungen von erzwungenem Husten zu sammeln, sowohl von gesunden Probanden als auch von Patienten mit SARS-CoV-2-Infektion. Alle Studienteilnehmer erfassten ihren Husten via Smartphone, Tablet-Computer oder Computer und konnten Audiodateien auf eine eigens eingerichtete Website hochladen.
Probanden füllen auch einen Fragebogen zu ihren Symptomen aus, unabhängig davon, ob sie Beschwerden hatten und ob bei ihnen eine Untersuchung auf SARS-CoV-2 durchgeführt worden war. Angaben über Tests waren an der Stelle ebenfalls möglich. Bis heute haben die Forscher mehr als 70.000 Aufzeichnungen gesammelt.
Hohe Sensitivität und Spezifität
Das Team überprüfte im ersten Schritt, ob es überhaupt möglich ist, Patienten anhand akustischer Biomarker zu unterscheiden. Tatsächlich gelang das auf Grundlage des bereits entwickelten Alzheimer-Algorithmus. Das führen die Autoren auf marginale Veränderungen der Atemwege, der Lunge und speziell der beteiligten Muskeln bei SARS-CoV-2-Infektion zurück.
Der erste Corona-Winter naht, die Infektionszahlen steigen – und die Testressourcen werden knapp. Zudem sind viele Patienten asymptomatisch. Wer keine Beschwerden hat, lässt sich nicht untersuchen. Und Antigen- oder PCR-Massentests sind keine praktikable Strategie, allein schon aufgrund der knappen Ressourcen.
Anwendungen aus dem Bereich der künstlichen Intelligenz könnten die Lücke schließen, wie Jordi Laguarta vom Massachusetts Institute of Technology (MIT), Cambridge, USA, und Kollegen jetzt berichten [1]. Sie lassen Patienten in das Mikrofon ihres Smartphones husten, wobei hier künstliches Husten wie bei einer Auskultation gemeint ist. Dann wird die Audiodatei analysiert. Mit ihrem Algorithmus erreichen die Forscher eine Sensitivität von 98,5% und eine Spezifität von 94,2%, wie sie im IEEE Open Journal of Engineering in Medicine and Biology berichten.
Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht. Brian Subirana
„Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht“, meint Co-Autor Brian Subirana vom MIT in einer Pressemeldung [2].
MIT-Forscher sammeln Stimmproben
Bereits vor dem Ausbruch der SARS-CoV-2-Pandemie haben mehrere Forschergruppen Algorithmen entwickelt, um Krankheiten wie Lungenentzündung und Asthma anhand von künstlichem Husten zu erkennen. Das Team am MIT trainierte mathematische Modelle, um speziell Patienten mit Alzheimer-Demenz anhand von Hustensignalen zu identifizieren. Die Krankheit beeinträchtigt aufgrund neuromuskulärer Veränderungen auch die Stimmbänder. Daraus leiteten Laguarta und Kollegen ihre Hypothese ab, ob es vielleicht gelinge, Unterschiede beim erzwungenen Husten mit künstlicher Intelligenz nachzuweisen.
Im April machte sich das Team daran, Aufzeichnungen von erzwungenem Husten zu sammeln, sowohl von gesunden Probanden als auch von Patienten mit SARS-CoV-2-Infektion. Alle Studienteilnehmer erfassten ihren Husten via Smartphone, Tablet-Computer oder Computer und konnten Audiodateien auf eine eigens eingerichtete Website hochladen.
Probanden füllen auch einen Fragebogen zu ihren Symptomen aus, unabhängig davon, ob sie Beschwerden hatten und ob bei ihnen eine Untersuchung auf SARS-CoV-2 durchgeführt worden war. Angaben über Tests waren an der Stelle ebenfalls möglich. Bis heute haben die Forscher mehr als 70.000 Aufzeichnungen gesammelt.
Hohe Sensitivität und Spezifität
Das Team überprüfte im ersten Schritt, ob es überhaupt möglich ist, Patienten anhand akustischer Biomarker zu unterscheiden. Tatsächlich gelang das auf Grundlage des bereits entwickelten Alzheimer-Algorithmus. Das führen die Autoren auf marginale Veränderungen der Atemwege, der Lunge und speziell der beteiligten Muskeln bei SARS-CoV-2-Infektion zurück.
... comment
