机器学习和流动
一个人工智能(AI)算法训练听病人排尿时能够识别异常流动和可能是一个有用的和具有成本效益的监控和管理手段泌尿外科患者在家里。今天呈现在欧洲泌尿外科协会年度大会(EAU22),在阿姆斯特丹。
深度学习工具,Audioflow,执行几乎以及机用于专家诊所,和达到类似的结果泌尿外科居民在评估尿流。目前的研究重点是声音由尿在一个隔音的环境中,但目标是创建一个应用程序的病人可以监控自己在家里。
较低的尿路症状相关的问题,膀胱和尿道的工作,是很常见的,影响估计有60%的男性和57%的女性。
尿流率测定是一个重要的工具,评估患者的症状,但患者小便到门诊访问期间的机器。他们被要求把尿撒到一个漏斗连接到尿流计记录的信息流动。COVID-19大流行期间访问诊所被限制,甚至病人可以参加,测试需要花很长时间排队使用一台机器。
李博士汉杰和他的同事们在新加坡总医院与同事合作工程部门开发一个算法和招募了534名男性参与者2017年12月至2019年7月培训和验证它。参与者通常使用尿疗机在一个隔音的房间里,并使用智能手机记录了他们的排尿。
使用220录音,人工智能学会估计流量、体积和时间可以说明当有障碍物或如果膀胱不工作。训练听,分析男性尿流不同于女人,需要一个单独的学习样本来分析女性排尿。
结果比常规尿疗机和六个泌尿外科居民小组分别评分数据集。AI同意传统尿疗超过80%的录音,和比较的专业泌尿科医师和外部居民识别异常流动,它实现了84%的协议。
李博士说:“有一个趋势在许多领域使用机器学习,因为医生没有很多时间。同时,尤其是大流行有一个转向远程医疗和医院护理。我们希望开发一种监测患者在医院看到他们是如何做的。”
“我们的AI能够超越一些非专家和接近高级顾问,”他继续说。“但真正的好处是相当于一个顾问和你在浴室里,每次你走。我们现在致力于算法能够工作时背景噪音在正常的家庭环境,这将使病人真正差别。”
Audioflow现在将作为一个推出智能手机应用通过初级保健医生所以它可以在现实世界中进行测试,从不同的数据在不同的噪声环境中学习。
基督教Gratzke,弗莱堡大学医院泌尿外科教授和泌尿外科EAU22科学国会委员会的成员说:“给病人测量尿流的能力在家里更舒服,在诊所等候的时间减少了。这是一个完美的和大量的研究病人,是一种很有前途的方法来开发一个便携式应用程序,可以在家里使用。我期待看到的现实世界的结果。”
进一步探索