Longgeluiden en deep learning laten kans op astma zien

Computerondersteunde diagnostiek met deep learning-technieken kan aan de hand van geluidsopnames van de ademhaling onderscheiden of er waarschijnlijk sprake is van astma. Auscultatie van de longen is subjectief en weinig specifiek, omdat de meeste longgeluiden bij meerdere respiratoire aandoeningen kunnen voorkomen. Een door een computer ondersteunde analyse van longgeluiden is objectiever en kan veranderingen waarnemen die met het menselijk oor niet detecteerbaar zijn, en met deep learning-technieken lijkt deze diagnostiek betrouwbaarder te maken.

De onderzoekers ontwikkelden methoden voor computerondersteunde diagnostiek van respiratoire aandoeningen via de analyse van longgeluiden bij de ademhaling en evalueerden de software in een database van 1238 geluidsopnames van patiënten met verschillende respiratoire aandoeningen en 133 gezonde controlepatiënten. De software classificeerde de geluiden als ziek of gezond en als astma, niet-astma of gezond. De sensitiviteit voor het onderscheiden van ziek ten opzichte van gezond bedroeg 88%, de specificiteit 86% en de nauwkeurigheid 87%.

Voor het onderscheid tussen astma, niet-astma en gezond was dit respectievelijk 92%, 82% en 87%. Bij de 941 geluidsopnames van patiënten met astma stelde het deep learning-model bij 93% de correcte diagnose. De onderzoekers concluderen dat het model astma goed kan onderscheiden van andere niet-astmatische aandoeningen en dat de methode zou kunnen worden ingezet als aanvullende screeningstest om, nog zonder spirometrie en op basis van de anamnese, een astmadiagnose te stellen.

Wel is aanvullend validatieonderzoek nodig.