对抗儿童肺炎

将医疗危机转化为拯救生命的工程挑战


肺炎是全世界五岁以下儿童死亡的头号传染源。根据联合国儿童基金会(UNICEF)的数据,肺炎在2016年夺走超过88万名儿童的生命,其中大多数不到2岁。肺炎的治疗不是首要问题,因为现有抗生素在治疗方面非常成功。主要的挑战是误诊。

在撒哈拉以南非洲等重灾区,误诊的原因主要是医疗专业人员和诊所数量匮乏,诊所往往缺乏诊断工具。事实上,许多偏远地区的诊所甚至没有电脑,更不用说能确诊肺炎的x光机了。

疟疾与肺炎有许多共同的症状,包括发烧和畏寒,这使确诊变得更加复杂。在儿童肺炎最严重的地区,人们仍在与这两种疾病作斗争。尽管症状相似,但疟疾和肺炎的治疗方法却大不相同。肺炎是一种肺部感染,要用抗生素治疗,而抗疟药物则要从病人血液中清除引起疟疾的寄生虫。治疗方法如此不同,误诊往往是致命的。

数据来源:UNICEF

诊断肺炎

当有医生在场时,诊断肺炎的第一步是测量呼吸频率——使用听诊器听病人肺部发出的标识音。世界银行的数据显示,在乌干达,每2万人中只有不到两名医生(相比之下,德国每2万人中就有84名医生)。鉴于这一数字较低,关键的第一步往往不可行。

以下是肺炎患者的呼吸声:

音频来源:thesimtech.com

了解到该地区医生稀缺影响肺炎诊治,乌干达一个由工程专业毕业生组成的团队开始寻找方法帮助社区预防肺炎死亡。他们意识到用听诊器进行诊治的合格医生是完全不可取代的,所以他们不再把这个挑战看作医学问题,而是利用工程和数据科学技能将它作为工程问题来处理。

Brian Turyabagye和坎帕拉的马凯雷雷大学的两位同事Olivia Koburongo和Besufekad Shifferaw于2016年创立了Mama-Ope。Mama-Ope的意思是“母亲的希望”,最初的灵感来自Koburongo,她的祖母因为肺炎误诊而去世。在了解到误诊问题在儿童中更为普遍后,他们便全力投入到挽救这些年轻生命的活动中。

根据Turyabagye的研究,从工程的角度来解决这个问题显示出非常可行的方面。

Mama-Ope创始人:Olivia Koburongo(左),Brian Turyabagye(中),Besufekad Shifferaw(右)
图片来源:RAEng/Brett Eloff

“研究表明,肺炎可通过四个主要生命体征来识别:呼吸频率、体温、肺部声音和体内氧饱和度。研究还表明,如果能准确捕捉到这些主要症状中的三个,就能准确预测儿童患上了肺炎。”

Brian Turyabagye, Mama-Ope

穿戴Mama-Ope原型外套的儿童
图像来源:RAEng/Brett Eloff

将症状转换为数据

将医学问题转化为工程问题需要将症状转化为数据。体温和呼吸频率这两个主要生命体征相对容易测量。量化肺音是一个较大的挑战。研究小组需要在没有听诊器的情况下,从儿童躯干的多个部位捕捉肺音,因此他们设计出一种可穿戴医疗设备:智能外套。该小组的Mama-Ope智能外套原型有五个麦克风,可有效地充当可穿戴听诊器。

医生能从病人胸部的正确部位听到很多信息,但遗憾的是,Mama-Ope外套并没有找到正确部位的高级功能。它必须提前固定到理想位置。这就是外套采用这种样式的原因;麦克风在外套中的位置很重要,因此一旦穿上外套,它们就会正确地放置在患者身上。但每个病人都不一样,如果声音不够清晰,医生会在周围移动听诊器。从五个麦克风收集声音数据有助于确保录制足够的声音数据,以弥补特定患者的录制质量差异。

一旦收集到数据,诊断肺炎——包括检测疾病进展——就成为数据科学的挑战了。从根本上讲,这是一个音频处理问题。感染肺炎的孩子在穿着Mama-Ope外套时会发出什么特别的声音?

Mama-Ope团队编写出一个信号处理算法,以便通过音频记录提供最佳的诊断信息。目的是确定肺炎特有的肺音在何时被记录下来。具体来说,独特的肺部声音包括喘息声和噼啪声。Turyabagye表示,Mama-Ope算法分别处理五个麦克风输入,以确定是否存在尖锐肺泡音。

“肺的每个部分都有自己的显著特征。因此,可以对每个麦克风的信号处理进行微调,以适应儿童肺部特定区域肺炎信号的声波剖面。”

Brian Turyabagye, Mama-Ope

信号处理和小波分析有助于发现声音数据中的独特特征。

研究小组收集了临床数据,并在医学专业人员的帮助下,对健康患者和已知肺炎患者的记录进行标注。这些数据被用来创建和测试他们的信号处理算法。

为了帮助开发这些算法,Turyabagye向MathWorks的Kirthi Devleker发送与确诊肺炎病例相对应的声音文件。信号处理和小波技术专家Devleker说:

“我们想退后一步,看看所有信号中都有哪些不同的模式。我们发现了尖锐肺泡音的一些特征,从信号处理的角度来看,它们非常一致。”

Kirthi Devleker, MathWorks

Turyabagye和Devleker使用信号处理和小波技术在MATLAB中对信号进行了分析和探索。他们发现了标识特征,借助机器学习可辅助肺炎诊断。

“一旦识别和提取特征并结合机器学习算法,分类任务就变得非常简单。数据可用于训练机器学习算法,该算法可预测出现肺炎的病例。”

Kirthi Devleker, MathWorks

该外套适用于偏远的诊所和学校。即使是没有医务人员或电脑的地方,也可以使用该外套来快速诊断。外套通过蓝牙连接到手机应用程序,由应用程序记录并分析收集到的数据,然后将结果发送给医疗专业人员,以便他们做出全面的诊断,而不需要面对面对患儿进行检查。

后续举措

Turyabagye表示他们的原型智能外套只需要让孩子穿戴3分钟左右,即使诊所或学校里只有一件Mama-Ope外套,也可以在没有医生的情况下快速准确地做出诊断。

随着工作原型的完成,Mama-Ope的下一个挑战是在乌干达扫清监管障碍,Turyabagye说公司将首先在乌干达推广其技术。除了乌干达,该公司还计划将业务扩展到周边国家,包括肯尼亚、坦桑尼亚、埃塞俄比亚和尼日利亚。

他表示,联合国儿童基金会已经表示有兴趣帮助Mama-Ope将其技术带到该地区的学校、医院和诊所。也许有一天,联合国儿童基金会也会报告说,借助智能外套和大家的希望,儿童肺炎死亡人数有所减少。

医生给一个孩子调整装有传感器的Mama-Ope外套。
图片来源:RAEng/Brett Eloff

Panel Navigation

AI

The Robot Made Me Do It

How Robots are Changing the Lives of Children with Disabilities

Panel Navigation

AI

Cyborg Drummer and AI Team Create Music That’s Not Humanly Possible

Designing a Robotic Prosthetic for a Professional Drummer

Panel Navigation

AI

Getting into the Weeds

Farmers Rely on Artificial Intelligence to Boost Production