Октябрь 2023

Ai-диагностика туберкулёза при помощи специального стетоскопа и планшета

Направления

Технологии

Прогрессивным способом выявления туберкулеза может стать прослушивание лёгких – метод, при котором врач слушает звук дыхания пациента, и на основе звуков делает заключение о наличии заболевания. Врача при этом можно заменить на непредвзятый искусственный интеллект, чтобы тот анализировал звук из лёгких.

Туберкулёз – опасное заболевание, которое может протекать бессимптомно. При этом туберкулёз является довольно распространенным в развивающихся странах с низким уровнем жизни, поскольку жители этих стран имеют сниженный иммунитет, который не может противостоять инфекционному возбудителю. К таким странам относятся страны Африки. Там вопрос диагностики стоит особенно остро.

Традиционными способами диагностики являются рентгенографические исследования. Но флюорографы – довольно массивные и дорогие в изготовлении устройства. И рентгенографические обследования нельзя делать часто – они вредны. Поэтому люди продолжают искать более простые и мобильные способы диагностики туберкулёза.

Таким способом может стать аускультация лёгких – метод, при котором врач выслушивает звуковые явления, возникающие в организме, и на основе полученных результатов делает заключение о наличии заболевания. Врача при этом можно заменить на непредвзятый искусственный интеллект, чтобы тот анализировал звук из лёгких.

Бизнес-логика

К нам обратился стартап, который планирует проводить быструю диагностику туберкулёза у африканских пациентов на основе анализа звука дыхания лёгких при помощи искусственного интеллекта.

Стартап разработал специальный стетоскоп, который записывает стерео-звук дыхания пациента. Стетоскоп отправляет запись в приложение на планшет с ML модулем. Далее приложение, оснащенное искусственным интеллектом, анализирует звукозапись и через какое-то время выдаёт диагноз о наличии или отсутствии туберкулёза.

Для хранения и обмена данными планируется использовать AWS.

Стетоскоп

Стетоскоп записывает стерео-звук дыхания пациента. Устройство оснащено прошивкой, посредством которой записи отправляются на планшет.

Проект стартовал с прошивки, разработанной клиентом, но для достижения целей проекта прошивка нуждалась в доработке. Поэтому был найден подрядчик, который доработал прошивку.

Десктопное приложение

Планшет, с которым исследователи будут исследовать пациентов, работает на операционной системе Windows. Поэтому разработка приложения велась на платформе .NET 6. Также приложение можно будет запускать на стационарных компьютерах с ОС Windows.

Приложение позволяет осуществлять следующие действия:

Регистрировать пациентов;
Осуществлять подписание согласия на медицинское обследование;
Осуществлять анкетирование/осмотр пациента;
Осуществлять медицинское обследование - записывать звук дыхания пациента;
Поддерживать работу модуля искусственного интеллекта и осуществлять анализ при помощи него;
Синхронизировать данные с облачным хранилищем;
Выводить результаты анализа.

Одним из требований к приложению была автономность работы и возможность работать без интернета сутки. Поэтому ML часть, анализирующая записи дыхания, была встроена в мобильное приложение, а не в облачные мощности.

Поскольку получатели услуги - бедные слои населения, среди которых распространено воровство, особым требованием была минимизация рисков воровства.

Это можно было осуществить путем создания иллюзии, что врачебный планшет – специальный девайс, а не самый обычный планшет с приложением. Поэтому мы разработали приложение таким образом, что оно всегда располагается поверх всех окон без возможности быть свёрнутым.

ML модуль по распознаванию звука

Когда врач слушает пациента, он ищет в его дыхании определенные маркеры болезни:

везикулярное, ослабленное, усиленное (бронхиальное, амфорическое) дыхание;
отсутствие дыхательных шумов (плеврит, пневмоторакс, казеозная пневмония);
разнокалиберные (соответственно диаметру бронхов) влажные, сухие хрипы.

Эти звуки имеют четкое визуальное представление на визуальном представлении аудиодорожек. Нейросеть была обучена находить эти маркеры и с определенной долей вероятности (вместе с маркерами в анкете пациента) давать заключение о наличии у пациента туберкулёза.

AI не ставит диагноз, он помогает врачу не пропустить какие-либо аномалии и более внимательно отнестись к тому или иному пациенту, отправить на дообследование и т.д.