Auskultacija, kaip vienas pagrindinių paciento ištyrimo metodų, taikoma kasdieninėje klinikinėje gydytojų praktikoje. Nepaisant to, kad tai sąlyginai paprasta diagnostinė priemonė, naudojama visų gydytojų (specifinėse situacijose – ir slaugytojų), pačių auskultacijų vertinimas išlieka gana subjektyvus, priklausantis nuo tyrėjo individualių savybių bei reikalaujantis pastabumo ir specifinių įgūdžių, silpnėjančių laikui bėgant. Tai gerokai komplikuoja ir elektroninių stetoskopų kūrimą, vystymą ir įdiegimą praktikoje. Dirbtinio intelekto praktinis pritaikymas leistų palengvinti pirminį auskultacijų įvertinimą, papildant klinikinį gydytojų ir slaugytojų darbą lengvai prieinamu, objektyviu, nuolat tobulinamu bei lengvai naudojamu įrankiu. Projekto metu siekiama identifikuoti plaučių patologinius garsus, pritaikyti dirbtinio intelekto technikas, sukuriant prototipinę medicininio sprendimo paramos sistemą. Tyrimui reikšminga plaučių auskultacija atliekama pagal standartinę ištyrimo metodiką su 3M Littmann 3200 tipo (IEC60601-1-2) el. stetoskopu, įrašant auskultacijas į šiam tyrimui kuriamą duomenų bazę. Įrašytus garsus vertins tyrimui sukurta gydytojų specialistų komanda, garsai bus anotuojami pagal instrumentinių tyrimų (plaučių rentgenogramos & spirogramos) fiksuotas patologijas. Suformavus pirminę duomenų bazę ir atlikus pirminį garso įrašų apdorojimą, jie transformuojami į pasirinktą reprezentaciją (požymių inžinerijos būdu ar automatiškai išgautus, naudojant giliojo mokymo modelius, požymių vektorius), naudojamą patologijos detekcijos ir patologijos tipo identifikavimo uždavinių sprendimui. Be to, eksperimentuose bus siekiama įvertinti modelių priderinimo tiriamai problemai galimybes naudojant žinomas giliojo mokymosi architektūras. Tai galimai padėtų gauti dar didesnį tikslumą naudojant sąlyginai nedidelę duomenų imtį bei tuo pačiu palengvintų laikui bei kitiems ištekliams imlų tolimesnį duomenų rinkimą bei anotavimą, aktualų jau sukurto modelio tobulinimui. Apibendrinti rezultatai, vertinantys plaučių auskultacijų, pritaikius dirbtinio intelekto technikas, automatinio diagnozavimo sėkmingumą bei rekomendacijos ir įžvalgos tolimesniems tyrimams bus skelbiami moksliniame straipsnyje ir konferenciniame pranešime.
Projekto finansavimas:
KTU Mokslo ir inovacijų fondas
Projekto rezultatai:
–
Projekto įgyvendinimo laikotarpis: 2023-04-11 - 2023-12-31
Projekto partneriai: Lietuvos sveikatos mokslų universitetas
