Βρείτε μας στο Google News. Πατήστε εδώ!Ποια ενδεικτικά χαρακτηριστικά διαχωρίζουν το ένα είδος βήχα από το άλλο; Οι επιστήμονες βρίσκονται στα πρόθυρα να το ανακαλύψουν με ένα νέο εργαλείο μηχανικής μάθησης που στοχεύει στον εντοπισμό των χαρακτηριστικών ήχων της φυματίωσης. Ο βήχας είναι ένα κύριο σύμπτωμα λοιμώξεων του αναπνευστικού. Και επειδή το μοτίβο και η συχνότητα των επεισοδίων βήχα διαφέρουν από τη μια ασθένεια στην άλλη, βρίσκεται σε εξέλιξη μια προσπάθεια για την ανάπτυξη μιας εφαρμογής smartphone που να είναι αρκετά ευαίσθητη ώστε να διακρίνει με ακρίβεια τον βήχα που σχετίζεται με τη φυματίωση.
Για χρόνια, οι ερευνητές αναζητούν ένα χαμηλού κόστους, υψηλής τεχνολογίας εργαλείο ανίχνευσης της φυματίωσης, ιδιαίτερα για χρήση σε περιοχές του κόσμου με πρόκληση πόρων, όπου η υποδομή υγειονομικής περίθαλψης λείπει και τα διαγνωστικά εργαλεία είναι περιορισμένα. Τόσο η επίπτωση όσο και η θνησιμότητα της φυματίωσης είναι και πάλι σε άνοδο μετά από χρόνια πτώσης, εντείνοντας την ανάγκη για ακριβή εργαλεία προσυμπτωματικού ελέγχου. Τα τρέχοντα χρυσά πρότυπα για τη διάγνωση της φυματίωσης περιλαμβάνουν καλλιέργεια πτυέλων ή μοριακές εξετάσεις GeneXpert. Όμως, ενώ αυτά τα διαγνωστικά είναι εξαιρετικά ακριβή, το κόστος τους προκαλεί ανησυχία σε μέρη του κόσμου που έχουν πληγεί περισσότερο από τη φυματίωση.
Μια διεθνής ομάδα ερευνητών δοκιμάζει την υπόθεση ότι το μοναδικό μοτίβο και η συχνότητα βήχα της φυματίωσης μπορούν να παρέχουν επαρκή δεδομένα για τον έλεγχο της εξαιρετικά μολυσματικής βακτηριακής νόσου χρησιμοποιώντας τεχνολογία που έχει κατασκευαστεί σε μια εφαρμογή smartphone. Επί του παρόντος, στο στάδιο της έρευνας, η εφαρμογή δεν είναι ακόμη έτοιμη για διανομή. Προς το παρόν είναι ένα εργαλείο μηχανικής μάθησης που ονομάζεται TBscreen, αλλά δεδομένου του αυξανόμενου αριθμού περιπτώσεων φυματίωσης σε όλο τον κόσμο, η ανάπτυξή του δεν θα μπορούσε να είχε φτάσει σε πιο κατάλληλη στιγμή.
Γράφοντας στο Science Advances, μια ομάδα συνεργατών στο Πανεπιστήμιο της Ουάσιγκτον στο Σιάτλ και στο Κέντρο Έρευνας Αναπνευστικών Ασθενειών της Κένυας στο Ναϊρόμπι δημοσίευσαν δεδομένα σχετικά με την ερευνητική τους εφαρμογή. Η ερευνητική ομάδα περιλαμβάνει μηχανικούς και επιστήμονες υπολογιστών καθώς και γιατρούς και ειδικούς σε μολυσματικές ασθένειες. Όταν εισήγαγαν τον ήχο του βήχα μέσω διαφόρων μικροφώνων στην οθόνη TB, η ομάδα διαπίστωσε ότι το TBscreen – η ερευνητική εφαρμογή – και ένα μικρόφωνο smartphone εντόπισαν την ενεργή φυματίωση με μεγαλύτερη ακρίβεια από ό,τι όταν ο ήχος βήχα τροφοδοτήθηκε μέσω ακριβών μικροφώνων.
«Για να διερευνήσουμε τα χαρακτηριστικά του βήχα ως ακριβή ταξινομητή της φυματίωσης έναντι του βήχα που δεν σχετίζεται με τη φυματίωση, εγγράψαμε ενήλικες με βήχα λόγω πνευμονικής φυματίωσης και μη σχετιζόμενες με τη φυματίωση αιτιολογίες στο Ναϊρόμπι της Κένυας», γράφει η Manuja Sharma, μηχανικός στο Πανεπιστήμιο της Ουάσιγκτον στο Σιάτλ. Το εργαλείο μηχανικής μάθησης «εκπαιδεύεται» ώστε να αναγνωρίζει το πρότυπο και τη συχνότητα του βήχα που προκαλείται από φυματίωση. Η ερευνητική εφαρμογή εκπαιδεύεται επίσης για να διακρίνει τον βήχα που σχετίζεται με τη φυματίωση από εκείνους που προκαλούνται από άλλες αναπνευστικές διαταραχές.
Οι ερευνητές ανακάλυψαν ότι υπάρχουν πολυάριθμοι παράγοντες που επηρεάζουν τα βασικά μοτίβα του βήχα, αποχρώσεις -κάποιες μη ακουστές στο ανθρώπινο αυτί- που το εργαλείο πρέπει να διακρίνει ως τρόπος ακριβούς ελέγχου για φυματίωση. «Ο μηχανισμός παραγωγής βήχα ποικίλλει ανάλογα με τις ιδιότητες της βλέννας, τη δύναμη των αναπνευστικών μυών, τη μηχανοευαισθησία, τη χημειοευαισθησία των αεραγωγών και άλλους παράγοντες που οδηγούν σε διαφορετικούς ήχους βήχα», πρόσθεσε ο Sharma, επικεφαλής συγγραφέας της νέας ανάλυσης.
«Κατασκευάσαμε ένα σχέδιο μελέτης με ελάχιστο θόρυβο περιβάλλοντος και περιβαλλοντική μεταβλητότητα μεταξύ των ομάδων ελέγχου και της νόσου της φυματίωσης για να διασφαλίσουμε ότι το μοντέλο εκπαιδεύεται στις διαφορές στα χαρακτηριστικά του βήχα και όχι στον θόρυβο του περιβάλλοντος», εξήγησε η Sharma, αναφερόμενη στην εφαρμογή, ένα εργαλείο μηχανικής μάθησης. Η νέα τεχνολογία ταξινόμησης βήχα δοκιμάστηκε αναλύοντας 33.000 παθητικούς βήχας και 1.200 εξαναγκασμούς από 149 ασθενείς με πνευμονική φυματίωση και 46 ασθενείς με άλλες αναπνευστικές παθήσεις. Το TBscreen μπόρεσε να διακρίνει την ενεργό φυματίωση από τους μη φυματικούς βήχας με συνολική ακρίβεια περίπου 82%.
Η ομάδα διαπίστωσε ότι η εφαρμογή και ένα μικρόφωνο smartphone προέβλεπαν ποιος βήχας σήμαινε ενεργή φυματίωση με μεγαλύτερη ακρίβεια από τη χρήση πιο ακριβών μικροφώνων. Το TBscreen είχε καλύτερη απόδοση κατά τη χρήση ήχου smartphone Pixel, για την αξιολόγηση του παθητικού βήχα και τον εντοπισμό του βήχα από ασθενείς με υψηλότερα βακτηριακά φορτία. Το τελευταίο στοιχείο υποδεικνύει τη δυνατότητα του TBscreen ως εργαλείο διαλογής, επειδή οι ασθενείς με αυξημένο βακτηριακό φορτίο τείνουν να είναι πιο άρρωστοι.
Όλοι οι συμμετέχοντες εγγράφηκαν στη μελέτη στο Ινστιτούτο Ιατρικών Ερευνών της Κένυας στο Ναϊρόμπι, όπου ο Δρ Βιδέλης Ντούμπα ήταν επικεφαλής αυτού του τμήματος της ανάλυσης. Κάθε συμμετέχων κλήθηκε να καθίσει σε ένα ήσυχο δωμάτιο και να αφήσει το αντανακλαστικό του βήχα να εμφανιστεί φυσικά. Ο βήχας τους καταγράφηκε για δύο ώρες. Η ομάδα των 46 ελέγχων των οποίων ο βήχας καταγράφηκε επίσης για δύο ώρες ακολούθησε τις ίδιες οδηγίες.
Δεν είναι η πρώτη φορά που ιατροί επιστήμονες θεωρούν τον βήχα ως πιθανό ηχητικό δείκτη για τη διάγνωση, τον έλεγχο ή την παρακολούθηση της φυματίωσης. Πέρυσι, επιστήμονες στο Πανεπιστήμιο της Καλιφόρνια στο Σαν Φρανσίσκο ανέφεραν αποτελέσματα μελέτης σχετικά με τη χρήση μιας εφαρμογής για κινητά τηλέφωνα για την παρακολούθηση της συχνότητας του βήχα σε ασθενείς που υποβάλλονται σε θεραπεία για φυματίωση. Στην έρευνα του UC San Francisco συμμετείχαν συνεργάτες στην Ουγκάντα, τη Νότια Αφρική, την Ινδία, τις Φιλιππίνες και
