Dat er apps bestaan die ziektes kunnen ruiken wisten we al, maar er is nu een smartphone-app ontwikkeld die kan horen of je ziek bent. Dankzij AI kan deze app horen of een hoestje wordt veroorzaakt door een griepje, of dat er mogelijk toch veel ernstiger dingen aan de hand zijn. Een recent onderzoek uit Nairobi (Kenia) laat zien hoe een door AI aangedreven app in staat is om tuberculose te onderscheiden van andere ziektes door het analyseren van hoestgeluiden van patiënten. De studie werd gepubliceerd in Science Advances.
Recente studies naar de detectie van luchtwegaandoeningen tonen veelbelovende resultaten voor hoestclassificatiemodellen. Echter, mogelijke vertekeningen in de modeltraining en de kwaliteit van de gebruikte datasets maken het lastig om definitieve conclusies te trekken. In een poging om diagnostische kenmerken van hoest bij tuberculose (TBC) te onderzoeken, werd een studie uitgevoerd in Nairobi. Hierin werden 149 patiënten met pulmonale TBC en 46 controlepersonen met andere luchtwegaandoeningen opgenomen.
Gedurende de studie werd een dataset verzameld van 33.000 passieve hoesten en 1.600 geforceerde hoesten, allemaal opgenomen in een gecontroleerde omgeving met vergelijkbare demografische kenmerken. Vervolgens werd een op ResNet18 gebaseerd hoestclassificatiemodel getraind, waarbij beelden van passieve hoestscalogrammen als input dienden. Het model behaalde een gevoeligheid van 0,70 (± 0,11 standaarddeviatie) bij een vijfvoudige cross-validatie.
Het model, dat op een smartphone draaide, presteerde beter bij patiënten met een hogere bacteriële belasting. In deze groep werd een receiver operating characteristic–area under the curve (ROC-AUC) van 0,87 [95% betrouwbaarheidsinterval (BI): 0,87 tot 0,88, P < 0,001] gemeten. Ook patiënten met longholtes lieten een hogere ROC-AUC zien van 0,89 (95% BI: 0,88 tot 0,89, P < 0,001).
Hoewel de methode niet foutloos is en bij ongeveer 30% van de patiënten met TB geen correcte diagnose stelde, biedt het een goedkoper en eenvoudiger alternatief voor de traditionele methode waarbij sputum wordt onderzocht op de bacterie die TB veroorzaakt. Dit zou vooral in lage-inkomenslanden (zoals dus Kenia, waar de studie plaatsvond) van grote waarde kunnen zijn als screeningsinstrument om gevallen sneller op te sporen en de verspreiding van de ziekte te beperken.
Het vroegtijdig opsporen en behandelen van actieve TB-gevallen is essentieel om verdere verspreiding van de ziekte te voorkomen. Deze studie is onderdeel van een groeiend veld waarin lichaamsgeluiden, zoals hoesten, worden onderzocht als “akoestische biomarkers”, geluiden die wijzen op veranderingen in de gezondheidstoestand. Hoewel dit concept al decennia bestaat, heeft het de laatste vijf jaar een sterke groei doorgemaakt, mede dankzij de inzet van AI, die grotere hoeveelheden data sneller kan analyseren.
De COVID-19-pandemie heeft de belangstelling voor hoestanalysetools verder aangewakkerd. Verschillende startups zijn ontstaan die zich richten op de akoestiek van hoest, en een aantal bedrijven heeft apps ontwikkeld die COVID-19 kunnen detecteren op basis van hoestgeluiden. Zo ontwikkelde een Australisch bedrijf een op hoestgeluid gebaseerde screeningstest voor COVID-19, die in 92% van de gevallen correct positieve diagnoses stelde.
Hoewel er nog enige scepsis bestaat over de betrouwbaarheid van deze apps als diagnostische tools, worden ze wel gezien als waardevolle hulpmiddelen, vooral vanwege de toegankelijkheid van smartphones. Dit maakt het eenvoudiger om gegevens over hoesten bij te houden, wat belangrijk kan zijn in klinische studies. Door apps te gebruiken die automatisch hoesten registreren, kunnen onderzoekers een nauwkeuriger beeld krijgen van de hoestfrequentie, zonder afhankelijk te zijn van het geheugen van patiënten.
Het gebruik van geluiden om gezondheidstoestanden te monitoren, beperkt zich overigens niet alleen tot hoesten. Een groot onderzoeksproject, gefinancierd door het Amerikaanse National Institutes of Health (NIH), richt zich op het ontwikkelen van een uitgebreide database met stem- en ademhalingsgeluiden, naast hoestgeluiden. Deze database zal openbaar beschikbaar worden gesteld en dient als basis voor de ontwikkeling van nieuwe diagnostische tools voor een breed scala aan aandoeningen, van kanker en luchtwegaandoeningen tot neurologische en stemstoornissen.
Referentie
Naar boven
