Aplikacja AI diagnozuje ostre zapalenie ucha


Ostre zapalenie ucha środkowego (AOM) jest często mylone z często mylone z wysiękowym zapaleniem ucha środkowego
Ostre zapalenie ucha środkowego (AOM) jest często mylone z często mylone z wysiękowym zapaleniem ucha środkowego

Naukowcy z University of Pittsburgh School of Medicine stworzyli aplikację na smartfony, która wykorzystując sztuczną inteligencję diagnozuje infekcje ucha oraz ostre zapalenie ucha środkowego. I to z zaskakującą dla lekarzy precyzją.

Trudna diagnoza zapalenia ucha

Ostre zapalenie ucha środkowego (AOM) jest jedną z najczęstszych infekcji wieku dziecięcego. Przed pierwszymi urodzinami przechodzi ją ok. 70% dzieci. Jednocześnie jest trudna do odróżnienia od innych chorób ucha. AOM jest często mylone z wysiękowym zapaleniem ucha środkowego, za które nie są odpowiedzialne bakterie, dlatego stosowanie antybiotyków nie przynosi żadnych korzyści. A to prowadzi albo do niepotrzebnego leczenia dzieci antybiotykami, albo do ich nieskutecznego leczenia.

Opracowane na University of Pittsburgh School of Medicine (UPMC) rozwiązanie AI stawia diagnozę poprzez automatyczną analizę krótkiego nagrania wideo błony bębenkowej ucha wykonanego przez otoskop podłączony do kamery telefonu komórkowego. Przeprowadzone badanie sugeruje, że taki sposób rozpoznania jest dokładniejszy niż diagnoza stawiana przez lekarzy.

Model AI wyszkolony na setkach filmów

Aby stworzyć model AI, naukowcy zebrali 1151 filmów wideo błony bębenkowej od 635 dzieci, które odwiedziły gabinety pediatryczne UPMC w latach 2018–2023. Do każdego z nich przyporządkowano diagnozę. W przebiegu AOM, błona bębenkowa wybrzusza się z pominięciem centralnego obszaru wgłębienia, przypominając obwarzanek. Takiego efektu nie ma w przebiegu zapalenia ucha środkowego z wysiękiem. Do szkolenia dwóch modeli zakwalifikowano 921 filmów, a 230 wykorzystano do ich testów.

Bębenek pacjenta zdrowego (po lewej) i z ostrym zapaleniem ucha (po prawej). Zdjęcie: Alejandro Hoberman, UPMC

Oba modele uzyskały czułość i swoistość na poziomie przekraczającym 93%, czyli miały bardzo niski wskaźnik fałszywie negatywnych i fałszywie pozytywnych ocen. Wcześniejsze badania wykazały, że dokładność diagnozy AOM przez lekarzy waha się od 30% do 84% w zależności od doświadczenia i wieku dziecka.

– Nagrane filmy mogą być dalej wykorzystane do szkoleń albo przykładowo pokazane rodzicom, aby lepiej wytłumaczyć diagnozę – mówi Alejandro Hoberman, profesor pediatrii i dyrektor Wydziału Pediatrii Ogólnej w Pitt’s School of Medicine oraz prezes UPMC Children’s Community Pediatrics. Naukowcy z UPMC mają nadzieję, że technologia zostanie wkrótce wdrożona na szeroką skalę w gabinetach POZ w celu poprawy diagnozy AOM.