Simple Science

最先端の科学をわかりやすく解説

# 電気工学・システム科学# 音声・音声処理

咳の分析で結核検出を改善する

新しい方法では、咳の音と健康データを使って結核をよりよく検出するんだ。

― 1 分で読む


次世代TB検出技術次世代TB検出技術する。咳の分析を活用して、結核の診断をより良く
目次

結核(TB)は、マイコバクテリウム・チュブerculosisという菌によって引き起こされる深刻な病気だ。この病気は主に肺に影響を与えるけど、体の他の部分にも及ぶことがある。病気の人が咳をしたり、くしゃみをしたり、話したりすると、他の人がその菌を吸い込んじゃうんだ。医者は通常、医療検査や診察を通じてTBを特定するけど、呼吸器系に影響を与える病気は咳などの似たような症状が多い。

研究によると、咳の音は病気の種類によって医者やコンピューターが識別できるみたい。つまり、TBの人とそうでない人の咳の録音を比較するのが有用かもしれないってこと。このプロジェクトでは、アフリカ、インド、アジアの人々から集めた大量の咳の音声記録を使ったよ。アプリを通じて集めたから、手動の入力は必要なかったんだ。

より良いTB検出の必要性

TBは世界中で主な死因の一つで、2020年には約150万人が亡くなったと言われてる。この病気は健康だけでなく、経済成長にも影響を与えていて、特に社会の最も脆弱なグループに大きな打撃を与えてる。さらに、薬に抵抗性を持つTBの株も出てきてて、治療がさらに難しくなってるから、TBとの戦いは命を救うため、貧困を減らすため、そして抵抗性株の拡散を防ぐために重要なんだ。

TBとの戦いで重要なのは、症例を見つけて診断すること。TBのある多くの人は、医療機関にアクセスできなかったり、適切な治療を受けられなかったりするため、診断されないことが多い。手頃で使いやすいデジタルスクリーニングツールを開発することで、これらの課題に対処できるかもしれない。伝統的に、咳はTBの潜在的な症例を特定するための重要な症状だったけど、新しい技術の進歩が咳の音を検出し、TBの可能性が高い人を特定する新しい方法を提供するかもしれない。

いくつかの研究では、咳の音を分析することがTBのスクリーニングに有効だって示唆されているけど、その多くは小さなグループに基づいていた。TB患者の咳と健康な人の咳を区別するために設計されたコンピュータープログラムを改善して評価するためには、もっと研究が必要だ。

CODA TB DREAMチャレンジ

CODA TB DREAMチャレンジは、咳の録音を使ってTBを検出する方法を改善することを目的とした大きなイニシアチブだ。このチャレンジでは、新しいまたは悪化する咳を持つ人々からデータを収集した。参加者はTBの評価を徹底的に行い、専用のアプリを使って咳の録音をした。研究者たちは、このデータを使って、咳を調べることでその人のTBの状態を予測するプログラムを開発・テストするよう招待されたんだ。

私たちの研究では、CODA TB DREAMチャレンジからのトレーニングデータを使用し、咳の音だけ、そして健康情報と組み合わせた2つの主要な側面に焦点を当てたよ。

咳の音をどう分析したか

分析では、マシンラーニングの分野からよく知られた方法を使って咳の録音を調べた。音の大きさや音程などの基本的な特性だけでなく、時間に対する音エネルギーの広がりなどのもっと複雑な特性も見た。研究の最初の部分では咳の音だけに焦点を当てて、2番目の部分では年齢、性別、体温などの健康情報と組み合わせた。

咳の録音は短いセグメントに処理され、咳の変化する性質を捉えた。短い時間枠に集中することで、咳を正確に反映する有意義なデータが得られた。

TB検出を改善するための機械学習の活用

私たちはデータ分析に機械学習の技術を実装した。最初の実験では、咳の音だけに頼って、深層学習プログラムを使ってこれらの音を分類した。2番目の実験では、咳の音と人口統計や健康のメタデータを組み合わせて、より包括的な視点を作ったよ。

両方のアプローチで、咳の音だけ、そして追加の健康情報と組み合わせた場合に、どれだけTBを予測できるかを理解することを目指した。私たちの評価を通じて、TBのある人の咳とそうでない人の咳を、それなりに正確に分類できることが分かった。

実験から得られた良い結果

私たちの発見は特に、咳の音と人口統計情報を組み合わせたときに期待が持てるものだった。健康データを咳の録音と一緒に使うことで、TBの予測能力が向上することが明らかになった。咳の音だけを分析した場合でも、他の関連健康指標と組み合わせることで、より高い精度が得られた。

結果は励みになるもので、咳の音を分析して健康情報を考慮するアプリが地域の保健従事者にとって価値あるツールになり得ることを示している。これらのツールを使うことで、保健サービスがTBのケースをより効果的に見つけられ、健康の結果が向上するかもしれない。

今後の方向性と改善点

私たちの発見は励みになるけど、まだ始まりに過ぎない。研究を改善できる方法はたくさんある。例えば、今回の分析には含まれていなかったより多くの特徴やより良い分類器を取り入れることができる。最適な特徴の数を選ぶこと、効果的な分類器を探すこと、全体的な分析プロセスを洗練することなど、重要な問いが残っている。

使用したデータセットは、TB予測のために機械学習技術を探求したい他の人々の基盤としても役立つ。もし私たちが観察する期待できる結果が大規模な研究でも当てはまるなら、咳を分析し、健康情報と組み合わせたモバイルアプリが、TBのリスクが高い個人を特定するために医療従事者を大いに助けることができるかもしれない。

こうしたツールは、病気が蔓延している地域、特に資源の乏しい国でのTB理解を深めるのに役立つ。適切に保健プログラムに統合されれば、これらのデジタルツールがTBの追跡を改善し、疑わしいケースの管理を向上させる可能性がある。

要するに、このプロジェクトから得られた洞察は、TBとの戦いにおいて革新的な解決策の可能性を示している。技術を活用し、咳の音の分析と貴重な健康データを組み合わせることで、TBのスクリーニングを改善し、最終的には命を救うために大きな一歩を踏み出せるかもしれない。

オリジナルソース

タイトル: Predicting Tuberculosis from Real-World Cough Audio Recordings and Metadata

概要: Tuberculosis (TB) is an infectious disease caused by the bacterium Mycobacterium tuberculosis and primarily affects the lungs, as well as other body parts. TB is spread through the air when an infected person coughs, sneezes, or talks. Medical doctors diagnose TB in patients via clinical examinations and specialized tests. However, coughing is a common symptom of respiratory diseases such as TB. Literature suggests that cough sounds coming from different respiratory diseases can be distinguished by both medical doctors and computer algorithms. Therefore, cough recordings associated with patients with and without TB seems to be a reasonable avenue of investigation. In this work, we utilize a very large dataset of TB and non-TB cough audio recordings obtained from the south-east of Africa, India, and the south-east of Asia using a fully automated phone-based application (Hyfe), without manual annotation. We fit statistical classifiers based on spectral and time domain features with and without clinical metadata. A stratified grouped cross-validation approach shows that an average Area Under Curve (AUC) of approximately 0.70 $\pm$ 0.05 both for a cough-level and a participant-level classification can be achieved using cough sounds alone. The addition of demographic and clinical factors increases performance, resulting in an average AUC of approximately 0.81 $\pm$ 0.05. Our results suggest mobile phone-based applications that integrate clinical symptoms and cough sound analysis could help community health workers and, most importantly, health service programs to improve TB case-finding efforts while reducing costs, which could substantially improve public health.

著者: George P. Kafentzis, Stephane Tetsing, Joe Brew, Lola Jover, Mindaugas Galvosas, Carlos Chaccour, Peter M. Small

最終更新: 2023-07-12 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2307.04842

ソースPDF: https://arxiv.org/pdf/2307.04842

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

類似の記事