AI- Enhanced Stethoscope in Remote Diagnostics for Cardiopulmonary Diseases

Riepilogo Tecnico: Fonendoscopio Potenziato dall'Intelligenza Artificiale per la Diagnosi Remota di Malattie Cardiopolmonari

Enunciato del Problema
Le malattie cardiovascolari e polmonari rappresentano una delle principali cause di mortalità globale, tuttavia la diagnosi tempestiva rimane una sfida significativa, in particolare nelle regioni remote e con risorse limitate. L'auscultazione tradizionale si affida pesantemente all'interpretazione soggettiva di operatori esperti, una risorsa spesso scarsa nelle aree in via di sviluppo. Sebbene esistano fonendoscopi digitali, il loro elevato costo ne limita l'accessibilità e molti modelli diagnostici basati sull'intelligenza artificiale esistenti sono limitati all'analisi dei suoni cardiaci o polmonari singolarmente, anziché simultaneamente. Inoltre, molti modelli attuali faticano a gestire lo squilibrio delle classi nei dataset e mancano di un'architettura leggera necessaria per la distribuzione su dispositivi embedded a basso costo.

Metodologia
Gli autori propongono un modello di deep learning ibrido progettato per essere eseguito su hardware embedded a basso costo, integrato con un fonendoscopio tradizionale modificato con un microfono per la cattura audio. Il flusso di lavoro del sistema prevede le seguenti fasi tecniche:

1. Acquisizione Dati e Pre-elaborazione:

   • Hardware: Un fonendoscopio standard collegato tramite jack da 3,5 mm a un dispositivo che ospita un'applicazione web.
   • Elaborazione del Segnale: I segnali grezzi di auscultazione (25–400 Hz) vengono filtrati utilizzando un filtro passa-banda di Butterworth del secondo ordine, ricampionati a 1000 Hz e troncati in sequenze di 2,5 secondi (2500 punti dati). I segnali vengono normalizzati nell'intervallo (-1, 1).
   • Aumento dei Dati: Per affrontare lo squilibrio delle classi (in particolare nel dataset polmonare ICBHI 2017), vengono applicate tecniche quali aggiunta di rumore, spostamento temporale e alterazione di tono/velocità alle classi sottorappresentate.

2. Estrazione delle Caratteristiche:

   • Il sistema utilizza i Coefficienti Cepstrali a Frequenza Mel (MFCC) per catturare le caratteristiche audio essenziali imitando la percezione uditiva umana.
   • Il processo coinvolge la finestrazione, la trasformazione di Fourier nel dominio della frequenza, l'applicazione di banche di filtri Mel, la compressione logaritmica e la Trasformata Discreta del Coseno (DCT).
   • La forma di input per il modello è definita come (1, 52) caratteristiche MFCC.

3. Architettura del Modello (CNN-GRU Ibrida):

   • L'innovazione centrale è un'architettura ibrida che combina le Reti Neurali Convoluzionali (CNN) per l'estrazione di caratteristiche spaziali e le Unità Ricorrenti a Cancellazione (GRU) per l'apprendimento di sequenze temporali.
   • Livelli CNN: Due livelli convoluzionali (256 e 512 filtri rispettivamente) con dimensione del kernel 11, seguiti da max pooling, normalizzazione in batch e attivazione ReLU.
   • Livelli GRU: Cinque insiemi di livelli GRU con unità variabili (32, 64, 128) che utilizzano l'attivazione 'tanh', con output combinati tramite un livello additivo.
   • Classificazione: Livelli densi con attivazione Leaky ReLU conducono a un livello di output finale con 11 unità e attivazione softmax per la classificazione multiclasse.

4. Addestramento e Distribuzione:

   • Il modello viene addestrato utilizzando l'ottimizzatore Adam (tasso di apprendimento 0,0002) e la funzione di perdita Categorical Crossentropy.
   • Vengono impiegate tecniche come l'Arresto Anticipato (Early Stopping, con una pazienza di 300 epoche) e il Salvataggio dei Checkpoint del Modello per prevenire l'overfitting.
   • Il modello addestrato viene distribuito tramite un'applicazione web basata su Streamlit, consentendo l'analisi in tempo reale dell'audio registrato dal fonendoscopio a basso costo e abilitando la telemedicina attraverso la generazione di report via email.

Contributi Chiave

• Diagnosi Simultanea: A differenza di lavori precedenti che si concentrano sui suoni cardiaci o polmonari singolarmente, questo modello diagnostica simultaneamente 11 classi distinte: 5 condizioni cardiovascolari (Stenosi Aortica, Stenosi Mitralica, Insufficienza Mitralica, Normale, Prolasso della Valvola Mitrale) e 6 condizioni polmonari (Polmonite, Bronchiectasia, Bronchiolite, Infezione delle Vie Aeree Superiori - URTI, BPCO, Sano).
• Accessibilità a Basso Costo: Il sistema è progettato esplicitamente per dispositivi embedded a basso costo, con l'obiettivo di colmare il divario in contesti con risorse limitate dove i fonendoscopi digitali di fascia alta sono inaccessibili.
• Architettura Ibrida: L'integrazione di CNN e GRU sfrutta sia le dipendenze basate sulla frequenza che quelle temporali, affrontando le limitazioni dei modelli singoli.
• Sistema End-to-End: Il documento presenta un flusso di lavoro completo dall'allestimento hardware a un'interfaccia web funzionale per la consulenza remota.

Risultati
Lo studio ha valutato il modello ibrido proposto rispetto a modelli CNN e GRU singoli utilizzando metriche tra cui Precisione, Recall, F1-Score e Accuratezza.

• Suoni Polmonari: La CNN singola ha raggiunto un'accuratezza media del 74,16%, e la GRU del 75,83%. Il modello ibrido CNN+GRU ha migliorato significativamente le prestazioni, raggiungendo un'accuratezza media del 94% (con accuratezze specifiche per classe che vanno dal 75% per la Polmonite al 94% per la Bronchiolite).
• Suoni Cardiaci: La CNN singola ha raggiunto un'accuratezza dell'81%, e la GRU dell'83%. Il modello ibrido ha raggiunto un'accuratezza media del 94% su tutte le classi cardiache (ad esempio, 94,01% per la Stenosi Aortica, 94,09% per il Normale).
• Confronto: Il modello ibrido ha dimostrato prestazioni superiori nella gestione dello squilibrio delle classi e nell'estrazione complessa di caratteristiche rispetto ai modelli individuali, come dimostrato dalle matrici di confusione e dalle tabelle comparative delle metriche.

Significato e Affermazioni
Gli autori affermano che questo lavoro rappresenta un passo trasformativo verso un'assistenza sanitaria standardizzata e accessibile. Integrando un fonendoscopio a basso costo con un modello AI efficiente, il sistema mira a:

• Ridurre l'errore umano nella diagnosi.
• Fornire analisi in tempo reale in aree remote prive di operatori esperti.
• Facilitare i flussi di lavoro di telemedicina attraverso un'interfaccia user-friendly che consente ai non esperti di registrare e trasmettere dati ai medici.

Il documento conclude che, sebbene i risultati attuali siano promettenti, il sistema richiede test clinici su larga scala e un'ulteriore espansione dei dati attraverso vari ospedali per validare pienamente la sua efficacia e perfezionare il modello per una distribuzione più ampia. Gli autori mantengono un tono modesto, riconoscendo che lo studio attuale è una prova di concetto per uno strumento diagnostico a basso costo potenziato dall'intelligenza artificiale.