Nieinwazyjne wsparcie diagnostyki chorób gastrologicznych

– Kiedy pokarm w jelitach się przesuwa, to generuje dużą ilość cichych dźwięków. One są mocno zakłócone przez inne odgłosy, takie jak bicie serca, szumy generowane przez układ oddechowy czy przepływ krwi, ale jeśli odfiltrujemy te zakłócenia, możemy zmierzyć, ile dźwięków jelitowych mieści się w jednostce czasu – wyjaśnia prof. Robert Nowak, kierownik grupy badawczej. – Wynik w jakimś przedziale oznacza normę, natomiast każde odstępstwo sugeruje stan chorobowy, np. zespół jelita drażliwego.

– To badanie całkowicie nieinwazyjne i niebolesne – dodaje. – Nagranie robi się w nocy, aby wyeliminować dźwięki z otoczenia, np. rozmowy, ocieranie się odzieży itp, oraz aby mieć odpowiednio długą próbkę do analizy. Mikrofon pacjent ma przyklejony do brzucha. Tą częścią badania zajmowali się koledzy z Uniwersytetu Medycznego w Poznaniu. Potem my zebrane dane analizowaliśmy.

Naukowiec mówi, że do tej pory (mimo wielu prób) analiza, która mogłaby zostać wykorzystana w praktyce klinicznej, nie była jednak taka prosta. – Chociażby dlatego, że nikt nie może sobie pozwolić na siedzenie przy pacjencie przez całą noc, nasłuchując odgłosów z jego brzucha. A potrzeba naprawdę kilkugodzinnej próbki, aby badanie było miarodajne. Także wcześniejsze algorytmy nie dawały sobie rady z odpowiednim przetworzeniem tak ogromnej ilości danych – opowiada.

– Dopiero teraz, gdy mamy odpowiednią moc obliczeniową komputerów oraz dysponujemy sztucznymi sieciami neuronowymi, możemy uzyskać wysoce dokładny wynik. A wynikiem jest ilość dźwięków na minutę oraz to, w jakich seriach dźwięki te występuję: czy są raczej pojedyncze i miarowe, czy grupują się i są przeplatane momentami ciszy – mówi.

Jeśli chodzi o dokładność, to opracowany na PW algorytm osiągnął 97,7 proc. dokładności, 99 proc. swoistości i 77,3 proc. czułości przy zbiorze danych obejmującym 321 000 rekordów.

– Nasze rozwiązanie działa następująco: używamy algorytmów sztucznej inteligencji, które dobierają parametry na podstawie analizowanych danych. Na początku algorytm przetwarzania sygnałów usuwa zakłócenia za pomocą filtrów. Następnie nagranie dzielimy na ramki, odpowiednio krótkie, aby zawierały jeden dźwięk. W badanym przypadku ramka ma 20 ms długości, czyli w jednej sekundzie mieści się ich 50. Algorytm oparty o sztuczną sieć neuronową określa, czy w danej ramce jest dźwięk jelitowy, czy też nie. Na końcu komputer bada decyzje dla wszystkich ramek, porządkuje statystycznie i to jest nasz wynik. W takiej postaci przedstawiamy do lekarzowi – tłumaczy Robert Nowak.

– To po prostu wsparcie diagnozy lekarskiej – dodaje. – Pomysłodawcą całego projektu jest dr n. med. Jan Nowak z Uniwersytetu Medycznego w Poznaniu. Potrzebował takiego rozwiązania, żeby usprawnić proces diagnozy.

Profesor podkreśla, że w prace nad projektem zaangażowani byli studenci WEITI. Jeden z nich, wspomniany wyżej inż. Jakub Ficek, którego praca inżynierska była częścią omawianego badania, otrzymał za nią 1. miejsce w kategorii „Informatyka” w konkursie prac dyplomowych pod patronatem Polskiej Sekcji IEEE 2021. Inny autor tej pracy – mgr inż. Kacper Radzikowski jest doktorantem w WASEDA University w Japonii.

– Główną zaletą prezentowanego przez nas podejścia jest wysoka jakość pod względem dokładności, specyficzności i czułości – podsumowują autorzy rozwiązania. – Wykorzystywanie dźwięków jelit w diagnostyce to zagadnienie bardzo interesujące i warte badania.

Źródło: PAP Nauka w Polsce/ autorka: Katarzyna Czechowicz