MySteth KI-Tool erkennt Herzgeräusche zu Hause mit Smartphone und Stethoskop
Neues KI-System erreicht 92 % Genauigkeit bei der Erkennung von Herzgeräuschen – mithilfe eines einfachen Smartphones oder digitalen Stethoskops für das Herzscreening zu Hause.
Zusammenfassung
Forscher haben MySteth entwickelt, ein KI-gestütztes Tool, das Smartphones oder digitale Stethoskope nutzt, um Herzgeräusche zu Hause zu erkennen. Das System erreichte eine Genauigkeit von 92 % bei der Unterscheidung normaler Herzschläge von Herzgeräuschen und 91 % bei der Klassifizierung von Herzgeräuschtypen. Durch den Einsatz von Deep Learning und weit verbreiteter Technologie könnte MySteth eine Früherkennung von Herzerkrankungen in unterversorgten Regionen ermöglichen, in denen spezialisierte Geräte nicht verfügbar sind, und so durch praktisches Heimmonitoring die kardiovaskuläre Gesundheit verbessern.
Detaillierte Zusammenfassung
Herz-Kreislauf-Erkrankungen töten jährlich 17,9 Millionen Menschen, weshalb eine Früherkennung für die Prävention entscheidend ist. Vielen Menschen fehlt jedoch der Zugang zu regelmäßigen kardiologischen Untersuchungen, insbesondere in ländlichen und unterversorgten Gebieten. Forscher haben nun MySteth entwickelt, ein innovatives KI-gestütztes Diagnosewerkzeug, das eine heimbasierte Herzüberwachung mit nur einem Smartphone oder einem digitalen Stethoskop ermöglicht.
Das Forschungsteam trainierte ein hybrides CNN-LSTM-Deep-Learning-Modell an 10.000 Herztonaufnahmen, die allesamt sorgfältig von spezialisierten Kardiologen annotiert wurden. Das System analysiert Audioaufnahmen, um zwischen normalen Herztönen und verschiedenen Arten von Herzgeräuschen zu unterscheiden – abnormalen Geräuschen, die auf eine Klappenfunktionsstörung oder andere kardiale Probleme hinweisen können. MySteth geht über eine einfache Erkennung hinaus und klassifiziert Herzgeräusche in systolische und diastolische Kategorien, wobei systolische Herzgeräusche weiter in Ejektionssystolikageräusche (ESM) und pansystolische Geräusche (PSM) unterteilt werden.
Die Ergebnisse zeigen eine beeindruckende klinische Genauigkeit: 92 % bei der Erkennung von Herzgeräuschen im Vergleich zu normalen Herzschlägen, 91 % bei der Klassifizierung des Zeitpunkts von Herzgeräuschen und 90 % bei der Unterscheidung zwischen ESM- und PSM-Typen. Diese Präzision kommt herkömmlichen klinischen Beurteilungsmethoden gleich, erfordert jedoch nur Geräte, die die meisten Menschen bereits besitzen oder leicht beschaffen können.
Die Auswirkungen auf die globale Gesundheit sind erheblich. MySteth könnte eine Früherkennung von Erkrankungen wie Mitralklappeninsuffizienz, Aortenstenose und anderen Klappenerkrankungen ermöglichen, bevor diese so weit fortschreiten, dass invasive Eingriffe wie eine koronare Bypass-Operation erforderlich werden. Die Zugänglichkeit des Tools macht es besonders wertvoll für die Fernüberwachung und das Screening in Gebieten mit begrenzter Gesundheitsinfrastruktur, wodurch die weltweite Last nicht diagnostizierter Herz-Kreislauf-Erkrankungen potenziell gesenkt werden könnte.
Wichtigste Erkenntnisse
- MySteth achieved 92% accuracy in detecting heart murmurs using smartphone recordings
- System classified murmur types with 91% accuracy for systolic vs diastolic categories
- Tool distinguished between ejection systolic and pansystolic murmurs with 90% precision
- Deep learning model processed 10,000 cardiologist-annotated heart sound recordings
- Technology requires only smartphone or digital stethoscope for home cardiac screening
Methodik
Forscher verwendeten ein hybrides CNN-LSTM-Neuronales Netz, das auf 10.000 Herztonaufnahmen von Smartphones und digitalen Stethoskopen trainiert wurde. Alle Audioaufnahmen wurden von spezialisierten Kardiologen annotiert und mithilfe von Linear Predictive Coding zur Merkmalsextraktion verarbeitet.
Studienlimitierungen
Die Studie verwendete einen relativ kleinen Ausgangsdatensatz, der eine synthetische Augmentierung erforderte. Eine klinische Validierung in unterschiedlichen Bevölkerungsgruppen sowie ein Vergleich mit herkömmlichen Diagnosemethoden würden die Evidenzbasis für die Implementierung in der Praxis stärken.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: