stringtranslate.com

Компьютерная аускультация

Компьютерная аускультация ( CAA ) или компьютерная вспомогательная аускультация — это цифровая форма аускультации . Она включает в себя запись, визуализацию, хранение, анализ и обмен цифровыми записями звуков сердца или легких. Записи получаются с помощью электронного стетоскопа или аналогичного подходящего записывающего устройства. Компьютерная аускультация предназначена для оказания помощи медицинским работникам, которые выполняют аускультацию в рамках своего диагностического процесса. Коммерческие продукты CAA обычно классифицируются как системы поддержки клинических решений , которые помогают медицинским работникам в постановке диагноза. Как таковые, они являются медицинскими устройствами и требуют сертификации или одобрения со стороны компетентного органа (например, одобрения FDA , соответствия CE, выданного уполномоченным органом).

Преимущества CAA

По сравнению с традиционной аускультацией компьютерная аускультация (CAA) предлагает ряд улучшений, полезных для многих заинтересованных сторон:

Принцип действия

В системе CAA звуки записываются с помощью электронного стетоскопа. Аудиоданные передаются на электронное устройство через Bluetooth или аудиокабельное соединение. Специальное программное обеспечение на этом устройстве визуализирует, сохраняет и анализирует данные. В некоторых из более сложных систем CAA анализ CAA дает результаты, которые можно использовать для объективизации диагнозов ( система поддержки принятия решений ). [ необходима цитата ]

Компоненты в системе CAA

Компоненты системы CAA зависят от ее сложности. В то время как некоторые из более простых систем предоставляют только возможности визуализации или хранения, другие системы объединяют визуализацию, хранение, анализ и возможность электронного управления этими данными.

Электронный стетоскоп

Электронные стетоскопы (также цифровые стетоскопы) преобразуют акустические звуковые волны в цифровые электрические сигналы. Затем эти сигналы усиливаются с помощью преобразователей и в настоящее время достигают уровней в 100 раз выше, чем у традиционных акустических стетоскопов. Кроме того, электронные стетоскопы могут использоваться для фильтрации фонового шума, что может быть важно для безопасности и способствовать более точной диагностике. В то время как усиление и фильтрация звука являются основными функциями электронного стетоскопа, возможность доступа к звукам через внешние средства через Bluetooth или аудиокабели делает их идеальным устройством для захвата звука для систем CAA. [ необходима цитата ]

Устройство с графическим пользовательским интерфейсом

Устройства, которые можно использовать для подключения к электронному стетоскопу и записи аудиосигнала (например, сердечных или легочных шумов), включают ПК, ноутбуки и мобильные устройства, такие как смартфоны или планшеты. Как правило, системы CAA включают программное обеспечение, которое может визуализировать входящий аудиосигнал. Более сложные системы CAA включают алгоритмы обнаружения живого шума, разработанные для того, чтобы помочь пользователю достичь наилучшего возможного качества записи.

Графический пользовательский интерфейс системы eMurmur CAA [7], показывающий входящий сигнал в реальном времени. Эта система CAA включает в себя алгоритмы обнаружения живого шума, которые гарантируют, что записанный сигнал имеет достаточное качество.

Аналитическое программное обеспечение

Ключевой особенностью систем CAA является автоматизированный анализ записанных аудиосигналов с помощью алгоритмов обработки сигналов. Такие алгоритмы могут работать непосредственно на устройстве, используемом для записи, или размещаться в облаке, подключенном к устройству. Степень автономности имеющихся в настоящее время алгоритмов анализа сильно различается. Хотя некоторые системы работают полностью автономно, [7] ранние системы на базе ПК требовали значительного взаимодействия с пользователем и интерпретации результатов, [8] а другие системы анализа требуют некоторой помощи со стороны пользователя, например ручного подтверждения/коррекции расчетной частоты сердечных сокращений. [9]

Экран результатов на мобильном устройстве системы eMurmur CAA [7], на котором показаны классификация AHA, результаты анализа шума (отсутствие шума, невинный или патологический шум, дополнительные описательные данные), частота сердечных сокращений и возможность воспроизведения записей.
Программное обеспечение SensiCardiac CAA для ноутбука [9] , показывающее записанные тоны сердца и сигнал ЭКГ, а также результаты анализа.

Хранение данных аускультации

Записанные звуки и связанные с ними аналитические и данные о пациентах могут храниться, управляться или архивироваться в электронном виде. Информация, идентифицирующая пациента, может обрабатываться или храниться в процессе. Если сохраненные данные классифицируются как PHI (защищенная медицинская информация), система, размещающая такие данные, должна соответствовать законам о защите данных конкретной страны, таким как HIPAA для США или Директива о защите данных для ЕС. Варианты хранения для текущих систем CAA варьируются от базовой возможности извлечения загружаемого отчета в формате PDF до комплексного облачного интерфейса для электронного управления всеми данными, основанными на аускультации. [ необходима цитата ]

Облачный пользовательский интерфейс

Пользователь может просматривать все свои записи пациентов (включая воспроизведение аудиофайлов) через пользовательский интерфейс, например, через веб-портал в браузере или автономное программное обеспечение на электронном устройстве. Другие функции включают обмен записями с другими пользователями, экспорт записей пациентов и интеграцию в системы EHR .

Аортальная аорта сердца

Компьютерная аускультация, направленная на обнаружение и характеристику сердечных шумов, называется компьютерной аускультацией сердца (также известной как автоматический анализ сердечных звуков).

Мотивация

Аускультация сердца с использованием стетоскопа является стандартным методом обследования во всем мире для скрининга пороков сердца путем выявления шумов. Для этого требуется, чтобы осматривающий врач имел острый слух и большой опыт. Точная диагностика остается сложной по разным причинам, включая шум, высокую частоту сердечных сокращений и способность отличать невинные шумы от патологических. Правильно выполненное аускультативное обследование сердца обычно считается недорогим, широко доступным инструментом для выявления и лечения заболеваний сердца. [10] Однако сообщается, что навыки аускультации у врачей снижаются. [11] [12] [13] [14] [15] [16] [17] Это приводит к пропущенным диагнозам заболеваний и/или чрезмерным расходам на ненужные и дорогостоящие диагностические исследования. Исследование показывает, что более трети ранее недиагностированных врожденных пороков сердца у новорожденных пропускаются при их 6-недельном обследовании. [18] Более 60% направлений к врачам-специалистам на дорогостоящую эхокардиографию обусловлены неправильной диагностикой невинного шума. [14] Таким образом, CAA сердца имеет потенциал стать экономически эффективным скрининговым и диагностическим инструментом, при условии, что его базовые алгоритмы прошли клинические испытания в строгом слепом режиме на предмет их способности обнаруживать разницу между нормальными и аномальными звуками сердца.

Шумы в сердце и аортальная аорта

Шумы в сердце (или сердечные шумы) — это слышимые через стетоскоп шумы, создаваемые турбулентным потоком крови. Шумы в сердце необходимо отличать от звуков сердца , которые в первую очередь создаются бьющимся сердцем и щелканьем открывающихся и закрывающихся клапанов сердца. Как правило, шумы в сердце классифицируются как невинные (также называемые физиологическими или функциональными) или патологические (ненормальные). Невинные шумы обычно безвредны, часто вызываются физиологическими условиями вне сердца и являются результатом определенных доброкачественных структурных дефектов. Патологические шумы чаще всего связаны с проблемами сердечных клапанов, но также могут быть вызваны широким спектром структурных дефектов сердца. Различные характеристики составляют качественное описание шумов в сердце, включая время ( систолический шум и диастолический шум ), форму, местоположение, излучение, интенсивность , высоту тона и качество. Системы CAA обычно классифицируют сердечные тоны и шумы как класс I и класс III в соответствии с Американской кардиологической ассоциацией: [19]

Более сложные системы CAA предоставляют дополнительную описательную информацию о шуме, такую ​​как время возникновения шума, градация или возможность определения положения тонов сердца S1/S2.

Анализ сердечных звуков

Обнаружение сердечных шумов в системах CAA основано на анализе цифровых записанных звуков сердца. Большинство подходов используют следующие четыре этапа:

  1. Определение частоты сердечных сокращений: на первом этапе частота сердечных сокращений определяется на основе звукового сигнала сердца. Это важный шаг для следующих этапов, и требуется высокая точность. Автоматическое определение частоты сердечных сокращений на основе акустических записей является сложной задачей, поскольку частота сердечных сокращений может варьироваться от 40 до 200 ударов в минуту, шумы и шумы могут маскировать пики тонов сердца (S1 и S2), а нерегулярные сердечные сокращения могут нарушить квазипериодическую природу сердцебиения.
  2. Сегментация звуков сердца : После определения частоты сердечных сокращений определяются две основные фазы сердцебиения ( систола и диастола ). Эта дифференциация важна, поскольку большинство шумов возникают в определенные фазы во время сердцебиения. Внешний шум из окружающей среды или внутренний шум от пациента (например, дыхание) затрудняют сегментацию звуков сердца.
  3. Извлечение признаков: Определив фазы сердцебиения, извлекается информация ( признаки ) из звука сердца, которая переходит на следующую стадию классификации. Признаки могут варьироваться от простых энергетических подходов до многомерных величин более высокого порядка.
  4. Классификация признаков: Во время классификации признаки, извлеченные на предыдущем этапе, используются для классификации сигнала и оценки наличия и типа шума. Основная проблема заключается в дифференциации записей без шума от низкоуровневых невинных шумов, а также невинных шумов от патологических шумов. Обычно для построения классификатора на основе обучающих данных применяются подходы машинного обучения.

Клинические данные систем CAA

Наиболее распространенные типы показателей эффективности для систем CAA основаны на двух подходах: ретроспективные (неслепые) исследования с использованием существующих данных и перспективные слепые клинические исследования с участием новых пациентов. В ретроспективных исследованиях CAA классификатор обучается с помощью алгоритмов машинного обучения с использованием существующих данных. Затем эффективность классификатора оценивается с использованием тех же данных. Для этого используются разные подходы (например, перекрестная проверка k-кратности , перекрестная проверка с исключением одного ). Основной недостаток оценки качества (чувствительности, специфичности) системы CAA на основе только ретроспективных данных о производительности заключается в риске того, что используемые подходы могут переоценивать истинную производительность данной системы. Использование одних и тех же данных для обучения и проверки может само по себе привести к значительному переобучению набора проверки, поскольку большинство классификаторов могут быть разработаны для очень хорошего анализа известных данных, но могут быть недостаточно общими для правильной классификации неизвестных данных; т. е. результаты выглядят намного лучше, чем если бы они были протестированы на новых, неизвестных пациентах. «Истинная производительность выбранной сети (системы CAA) должна быть подтверждена путем измерения ее производительности на третьем независимом наборе данных, называемом тестовым набором». [20] Подводя итог, можно сказать, что надежность ретроспективных, не-слепых исследований обычно считается намного ниже, чем у перспективных клинических исследований, поскольку они подвержены смещению отбора и ретроспективному смещению. Опубликованные примеры включают Pretorius et al. [21] С другой стороны, перспективные клинические исследования лучше подходят для оценки истинной производительности системы CAA (при условии, что исследование является слепым и хорошо контролируется). В перспективном клиническом исследовании для оценки производительности системы CAA выходные данные системы CAA сравниваются с золотым стандартом диагностики. В случае сердечных шумов подходящим золотым стандартом диагностики будет экспертная диагностика врача на основе аускультации, стратифицированная диагностикой на основе эхокардиограммы . Опубликованные примеры включают Lai et al. [1]

Смотрите также

Ссылки

  1. ^ ab Lai, Lillian; Andrew N. Redington; Andreas J. Reinisch; Michael J. Unterberger; Andreas J. Schriefl (2016). «Компьютерная автоматическая диагностика невинных и патологических шумов в педиатрии: пилотное исследование». Врожденные заболевания сердца . 11 (5): 386–395. doi :10.1111/chd.12328. PMID  26990211. S2CID  20921069.
  2. ^ Vaidyanathan, B; Sathish G; Mohanan ST; Sundaram KR; Warrier KK; Kumar RK (2011). «Клинический скрининг врожденного порока сердца при рождении: перспективное исследование в общественной больнице в Керале». Indian Pediatrics . 48 (1): 25–30. doi :10.1007/s13312-011-0021-1. PMID  20972295. S2CID  10788521.
  3. ^ Zühlke, Z; Myer L; Mayosi BM (2012). «Перспективы компьютерной аускультации в скрининге структурных заболеваний сердца и клиническом обучении». Cardiovascular Journal of Africa . 23 (7): 405–408. doi :10.5830/CVJA-2012-007. PMC 3721800. PMID  22358127 . 
  4. ^ Мандал, С; Басак К; Мандана КМ; Рэй АК; Чаттерджи Дж; Махадеваппа М (2011). «Разработка устройства предварительного скрининга сердца для сельского населения с использованием сверхмаломощной встроенной системы». Труды IEEE по биомедицинской инженерии . 58 (3): 745–749. doi :10.1109/TBME.2010.2089457. PMID  21342805. S2CID  7771478.
  5. ^ Ивамото, Дж.; Огава Х.; Маки Х.; Ёнезава И.; Хан А. В.; Колдуэлл В. М. (2011). «Система мониторинга ЭКГ и звуков сердца на основе мобильного телефона». Biomedical Sciences Instrumentation . 47 : 160–164. PMID  21525614.
  6. ^ Koekemoer, HL; Scheffer, C. (2008). «Устройства для записи звука сердца и электрокардиограммы в телемедицинских средах». 2008 30-я ежегодная международная конференция IEEE Engineering in Medicine and Biology Society . Том 2008. С. 4867–4870. doi :10.1109/IEMBS.2008.4650304. ISBN 978-1-4244-1814-5. PMID  19163807. S2CID  32681936.
  7. ^ abc "Главная". eMURMUR .
  8. ^ «Заргис Кардиоскан».
  9. ^ ab "Диакустические медицинские приборы".
  10. ^ Беккет Манке, К. (2009). «Автоматизированный анализ звука сердца/Компьютерная аускультация: точка зрения кардиолога и предложения по будущему развитию». Ежегодная международная конференция IEEE Engineering in Medicine and Biology Society 2009 года . Том 2009. С. 3115–3118. doi :10.1109/IEMBS.2009.5332551. PMID  19963568. S2CID  630335. {{cite book}}: |journal=проигнорировано ( помощь )
  11. ^ Алам, Уазман; Омар Асгар; Сохаил К. Хан; Саджад Хаят; Райаз А. Малик (2010). «Аускультация сердца: важный клинический навык в упадке». Британский журнал кардиологии . 17 : 8–10.
  12. ^ Кумар, Комал; В. Рейд Томпсон (2012). «Оценка навыков аускультации сердца у врачей-педиатров». Клиническая педиатрия . 52 (1): 66–73. doi :10.1177/0009922812466584. PMID  23185081. S2CID  29237618.
  13. ^ Vukanovic-Criley, JM; Criley S; Warde CM; Boker JR; Guevara-Matheus L; Churchill WH; Nelson WP; Criley JM (2006). «Компетентность в навыках кардиологического обследования у студентов-медиков, стажеров, врачей и преподавателей: многоцентровое исследование». Архивы внутренней медицины . 27 (6): 610–616. doi :10.1001/archinte.166.6.610. PMID  16567598.
  14. ^ ab McCrindle, BW; Shaffer KM; Kan JS; Zahka KG; Rowe SA; Kidd L (1995). «Факторы, побуждающие направлять детей на кардиологическую оценку сердечных шумов». Архивы педиатрии и подростковой медицины . 149 (11): 1277–1279. doi :10.1001/archpedi.1995.02170240095018. PMID  7581765.
  15. ^ Германакис, И; Петриду ЕТ; Варламис Г; Мацукис ИЛ; Пападопулу-Легбелу К.; Калманти М (2013). «Навыки врачей первичной медико-санитарной помощи в детской аускультации сердца». Acta Paediatrica . 102 (2): 74–78. doi : 10.1111/apa.12062 . PMID  23082851. S2CID  10518559.
  16. ^ Гаскин, PR; Оуэнс SE; Талнер NS; Сандерс SP; Ли JS (2000). «Навыки клинической аускультации у резидентов-педиатров». Педиатрия . 105 (6): 1184–1187. doi :10.1542/peds.105.6.1184. PMID  10835055. S2CID  14993738.
  17. ^ Кэдделл, А. Дж.; Вонг К. К.; Баркер АП; Уоррен А. Е. (2015). «Тенденции в направлениях к педиатрическим кардиологам, тестировании и удовлетворенности в канадском центре третичной помощи». Канадский журнал кардиологии . 31 (1): 95–98. doi :10.1016/j.cjca.2014.10.028. PMID  25547558.
  18. ^ Рен, Кристофер; Сэм Ричмонд; Лиам Дональдсон (1999). «Проявление врожденного порока сердца у младенцев: последствия для рутинного обследования». Arch Dis Child Fetal Neonatal Ed . 80 (1): F49–F53. doi :10.1136/fn.80.1.f49. PMC 1720871. PMID  10325813 . 
  19. ^ Боноу, Роберт О.; Блейз А. Карабелло; Кану Чаттерджи; Антонио К. де Леон; Дэвид П. Факсон; Майкл Д. Фрид; Уильям Х. Гааш; Брюс Уитни Лайтл; Рик А. Нисимура; Патрик Т. О'Гара; Роберт А. О'Рурк; Кэтрин М. Отто; Правин М. Шах; Джек С. Шейнвайз (2006). "ACC/AHA 2006 Guidelines for the Management of Patients With Valvular Heart Disease". Circulation . 114 (5): 84–231. doi : 10.1161/CIRCULATIONAHA.106.176857 . PMID  16880336.
  20. ^ Бишоп, Кристофер (1995). Нейронные сети для распознавания образов . Oxford University Press.
  21. ^ Преториус, Юджин; Кронье, Маттис Л.; Страйдом, Отто (2010). «Разработка системы поддержки принятия решений при компьютерной аускультации сердца у детей». Ежегодная международная конференция IEEE по инжинирингу в медицине и биологии 2010 года . Том 2010. С. 6078–6082. doi :10.1109/IEMBS.2010.5627633. ISBN 978-1-4244-4123-5. PMID  21097128. S2CID  27940646.