ResApp: Приложение для диагностики респираторных заболеваний

Австралийская компания ResApp разработала систему на базе смартфона, предназначенную для диагностики заболеваний дыхательных путей.

Работа приложения основана на использовании микрофона смартфона как стетоскопа для прослушивания кашля и дыхания пациента. Но вместо того, чтобы надеяться исключительно на слух врача для постановки диагноза на основании услышанных звуков или хрипов, ResApp разработала алгоритмы машинного обучения, которые способны автоматически определить, какое респираторное заболевание может быть у пациента, включая пневмонию, астму, бронхит и хроническую обструктивную болезнь легких.

Для постановки диагноза достаточно покашлять в микрофон смартфона с расстояния до 2-х метров. Затем приложение сравнивает записанные звуки кашля и дыхания пациента с обширной базой аналогичных звуков, полученных у пациентов с уже известным диагнозом. Алгоритм программы анализирует звуки, выделяет из них так называемую сигнатуру и сравнивает с данными базы данных. При этом разработчики исходили из предположения, что эти сигнатуры одинаковы для всех людей и поэтому нет необходимости в персонализации базы данных.

В будущем компания планирует интегрировать эти алгоритмы в телемедицинский сервис, а также сделать их доступными для клинического использования.

Некоторое время компания получила инвестиции в размере $9.4 млн, которые планирует использовать для получения необходимых согласований от FDA (U.S. Food and Drug Administration, Управление по санитарному надзору за качеством пищевых продуктов и медикаментов) и расширить использование своей технологии в США за счет использования в клиниках, в частности, в отделениях неотложной помощи.

Некоторое время назад ResApp опубликовала результаты тестирования технологии с участием 524 детей, которые показали общую точность диагностирования в 89%. В отдельных случаях точность была даже выше - при диагностировании крупа, вирусной пневмонии, бронхита и инфекций верхних дыхательных путей с помощью нового алгоритма уровень точности лежал в диапазоне от 90 до 98%.