KI erkennt Corona-Infektion am (erzwungenen) Husten – sogar bei asymptomatischen Patienten

Michael van den Heuvel

Interessenkonflikte

4. November 2020

Der erste Corona-Winter naht, die Infektionszahlen steigen – und die Testressourcen werden knapp. Zudem sind viele Patienten asymptomatisch. Wer keine Beschwerden hat, lässt sich nicht untersuchen. Und Antigen- oder PCR-Massentests sind keine praktikable Strategie, allein schon aufgrund der knappen Ressourcen.

Anwendungen aus dem Bereich der künstlichen Intelligenz könnten die Lücke schließen, wie Jordi Laguarta vom Massachusetts Institute of Technology (MIT), Cambridge, USA, und Kollegen jetzt berichten [1]. Sie lassen Patienten in das Mikrofon ihres Smartphones husten, wobei hier künstliches Husten wie bei einer Auskultation gemeint ist. Dann wird die Audiodatei analysiert. Mit ihrem Algorithmus erreichen die Forscher eine Sensitivität von 98,5% und eine Spezifität von 94,2%, wie sie im IEEE Open Journal of Engineering in Medicine and Biology berichten.

 
Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht. Brian Subirana
 

„Die Implementierung dieses Tools könnte die Ausbreitung der Pandemie verringern, wenn jeder es nutzt, bevor er in ein Klassenzimmer, eine Fabrik oder ein Restaurant geht“, meint Co-Autor Brian Subirana vom MIT in einer Pressemeldung [2].

MIT-Forscher sammeln Stimmproben

Bereits vor dem Ausbruch der SARS-CoV-2-Pandemie haben mehrere Forschergruppen Algorithmen entwickelt, um Krankheiten wie Lungenentzündung und Asthma anhand von künstlichem Husten zu erkennen. Das Team am MIT trainierte mathematische Modelle, um speziell Patienten mit Alzheimer-Demenz anhand von Hustensignalen zu identifizieren. Die Krankheit beeinträchtigt aufgrund neuromuskulärer Veränderungen auch die Stimmbänder. Daraus leiteten Laguarta und Kollegen ihre Hypothese ab, ob es vielleicht gelinge, Unterschiede beim erzwungenen Husten mit künstlicher Intelligenz nachzuweisen.

Im April machte sich das Team daran, Aufzeichnungen von erzwungenem Husten zu sammeln, sowohl von gesunden Probanden als auch von Patienten mit SARS-CoV-2-Infektion. Alle Studienteilnehmer erfassten ihren Husten via Smartphone, Tablet-Computer oder Computer und konnten Audiodateien auf eine eigens eingerichtete Website hochladen.

Probanden füllen auch einen Fragebogen zu ihren Symptomen aus, unabhängig davon, ob sie Beschwerden hatten und ob bei ihnen eine Untersuchung auf SARS-CoV-2 durchgeführt worden war. Angaben über Tests waren an der Stelle ebenfalls möglich. Bis heute haben die Forscher mehr als 70.000 Aufzeichnungen gesammelt.

Hohe Sensitivität und Spezifität

Das Team überprüfte im ersten Schritt, ob es überhaupt möglich ist, Patienten anhand akustischer Biomarker zu unterscheiden. Tatsächlich gelang das auf Grundlage des bereits entwickelten Alzheimer-Algorithmus. Das führen die Autoren auf marginale Veränderungen der Atemwege, der Lunge und speziell der beteiligten Muskeln bei SARS-CoV-2-Infektion zurück.

Anschließend trainierten die Forscher ihr Tool mit 4.256 Audiodateien. Diese stammten von gesunden Probanden, aber auch von Patienten mit SARS-CoV-2-Infektion. Weitere 1.054 Aufzeichnungen wurden in den Algorithmus eingespeist, um festzustellen, wie gut sich anhand des erzwungenen Hustens asymptomatische Personen mit SARS-CoV-2-Infektion erkennen lassen.

Bei der Validierung mit Personen, die online Ergebnisse von SARS-CoV-2-Tests angegeben hatten, erreichte das Modell eine Sensitivität von 98,5% und eine Spezifität von 94,2%. Untersuchten die MIT-Wissenschaftler nur die Subgruppe asymptomatischer Personen, kamen sie auf eine Sensitivität von 100% und eine Spezifität von 83,2%.

Entwicklung einer Screening-App

Wie die Autoren schreiben, sei ihr Tool nicht dazu gedacht, bei symptomatischen Patienten Erkrankungen zu diagnostizieren. Vielmehr liege die Stärke darin, asymptomatische Personen zu erkennen und zum Arzt zu schicken.

Jetzt arbeitet das MIT-Team mit einem Unternehmen zusammen, um eine kostenlose App zu entwickeln, welche auf dem KI-Modell basiert. Außerdem sollen in Krankenhäusern weitere Hörproben gesammelt werden. Eine Schwäche der Studie war, dass Probanden selbst Informationen zu SARS-CoV-2-Tests machen konnten, was sich nicht überprüfen ließ.

Ziel der Forschergruppe ist, KI Tools in Geräte mit Mikrofonen und Online-Zugang zu integrieren, damit Menschen automatisch, im Idealfall täglich, eine erste Einschätzung ihres Krankheitsrisikos erhalten. Solche Anwendungen könnten quasi ständig im Hintergrund laufen.

 

Kommentar

3090D553-9492-4563-8681-AD288FA52ACE
Wir bitten darum, Diskussionen höflich und sachlich zu halten. Beiträge werden vor der Veröffentlichung nicht überprüft, jedoch werden Kommentare, die unsere Community-Regeln verletzen, gelöscht.

wird bearbeitet....