AI wykrywające astmę z oddechu- inteligentna diagnostyka przyszłości

Sztuczna inteligencja słucha i diagnozuje – nowy kierunek w wczesnym rozpoznawaniu astmy

Diagnostyka astmy oskrzelowej może w niedalekiej przyszłości ulec radykalnej zmianie za sprawą technologii opartej na sztucznej inteligencji. Badacze z Imperial College London zaprezentowali przełomową metodę analizy dźwięków oddechowych, wykorzystującą algorytmy uczenia maszynowego (machine learning). Innowacyjne rozwiązanie, które analizuje zmienność akustyczną dźwięków emitowanych przez płuca, osiąga ponad 90% skuteczności w odróżnianiu osób chorych na astmę od tych bez objawów.

Technologia ta może odegrać istotną rolę w przesiewowych badaniach populacyjnych – zarówno wśród dzieci, jak i dorosłych – zwłaszcza tam, gdzie dostęp do klasycznej diagnostyki pulmonologicznej jest utrudniony. Analiza oddechu odbywa się z użyciem czujników akustycznych i mikrofonów o wysokiej czułości, wspieranych przez modele głębokiego uczenia (deep learning), które identyfikują niewidoczne dla ludzkiego ucha niuanse i anomalie w brzmieniu oddechu.

Twórcy systemu podkreślają, że to nie tylko narzędzie do wspomagania wczesnego wykrywania choroby, ale potencjalnie także sposób na zdalne monitorowanie postępów terapii oraz zaostrzeń choroby. Możliwość wykorzystania rozwiązania w aplikacjach mobilnych lub telemedycznych wpisuje się w aktualne trendy cyfryzacji ochrony zdrowia.

Obecnie technologia nie została jeszcze zatwierdzona jako wyrób medyczny ani dopuszczona do stosowania w krajach Unii Europejskiej, w tym w Polsce. Należy ją traktować jako obiecujący kierunek rozwoju medycyny cyfrowej.

W dobie rosnącej częstości występowania astmy, szczególnie wśród dzieci i młodzieży, potrzeba szybkich, bezinwazyjnych i powszechnie dostępnych metod diagnostycznych jest niezwykle pilna. Zastosowanie sztucznej inteligencji w tym kontekście może znacząco skrócić czas od pojawienia się pierwszych objawów do postawienia diagnozy, redukując ryzyko powikłań i poprawiając jakość życia pacjentów.

---

Źródła wiedzy wykorzystane do opracowania artykułu:

• Imperial College London – dział badań nad medycyną cyfrową
• npj Digital Medicine – publikacja na temat skuteczności AI w analizie dźwięków oddechowych
• British Journal of General Practice – opracowania dotyczące przesiewowej diagnostyki astmy
• World Health Organization – statystyki epidemiologiczne astmy
• European Respiratory Society – wytyczne i dane z badań nad nowymi metodami rozpoznawania chorób układu oddechowego