DigitaLung: Web-App zur Lungengeräusch-Analyse

© stock.adobe.com, Who is Danny
Übergeordnetes Ziel des Projekts »DigitaLung« ist die Entwicklung und Validierung eines auf maschinellem Lernen basierenden digitalen Auskultationssystems, das die Patientenversorgung nachhaltig verbessern kann.

Chronische Atemwegserkrankungen haben sich zu einem großen Gesundheitsproblem entwickelt und sind laut einer Veröffentlichung des Institute for Health Metrics and Evaluation (IHME) vom April 2023 die dritthäufigste Todesursache weltweit. Sie waren 2019 für etwa 4 Millionen Todesfälle verantwortlich und einer von 20 Menschen weltweit litt an einer chronischen Atemwegserkrankung. Die Auskultation, d. h. das Abhören von Lungen- und Herztönen mit einem Stethoskop, ist das weltweit am häufigsten angewandte Diagnoseverfahren und liefert dem medizinischen Fachpersonal unschätzbare Erkenntnisse über die Struktur und Funktion beider Organsysteme. Studien haben jedoch gezeigt, dass die Zuverlässigkeit dieser Methode häufig von der Erfahrung und dem Hörvermögen des Arztes abhängt, was zu einer subjektiven, fehleranfälligen Interpretation der Geräusche führen kann. Daher ist es von entscheidender Bedeutung, innovative Ansätze zu verfolgen, die unser Verständnis der Atemgeräusche verbessern und die Entwicklung neuer, zuverlässigerer Diagnoseinstrumente ermöglichen.

Das Fraunhofer ITEM beteiligt sich an dem Projekt »DigitaLung« (Digitales Auskultationssystem zur Differentialdiagnose von Lungenerkrankungen mittels maschinellen Lernens), das vom Medizintechnikprogramm des Bundesministeriums für Bildung und Forschung gefördert wird und ein Kooperationsprojekt mit den Partnern ERKA Kallmeyer Medizintechnik GmbH & Co. KG, der Medizinischen Hochschule Hannover und der Leibniz Universität Hannover ist.

Das übergeordnete Ziel des Projekts ist die Entwicklung und Validierung eines auf maschinellem Lernen basierenden digitalen Auskultationssystems, das die Patientenversorgung nachhaltig verbessern kann. Der Ansatz umfasst die Digitalisierung von Lungengeräuschen, die Kategorisierung von Patienten, diagnostisches Training und die Integration des resultierenden Algorithmus in ein Stethoskop, ergänzt durch eine spezielle Anwendung. Physiologische Signale werden heutzutage digital erfasst, können als eine Reihe von numerischen Werten in zeitlicher Reihenfolge betrachtet werden und bilden somit eine medizinische Zeitreihe. Die Gewinnung von Erkenntnissen, die vor allem auf der Form der Zeitreihen basieren, wird als Data Mining bezeichnet. Um dies zu erleichtern, werden mehrere bekannte Techniken eingesetzt, darunter Resampling, Denoising, Skalierung und Segmentierung.

Im Rahmen von DigitaLung verbesserten und entwickelten Forschende des Fraunhofer ITEM eine benutzerdefinierte Webanwendung, um die Expertenanalyse von Atemgeräuschen zu erleichtern. Diese Web-App dient als eigenständiges Tool, das zwei Schlüsselbereiche für die Erforschung abdeckt: die Visualisierung in mehreren Bereichen und den Einsatz von unüberwachten maschinellen Lernalgorithmen in der App.

Kontakt

Lena Wiese

Contact Press / Media

Prof. Dr. Lena Wiese

Arbeitgruppenleiterin Bioinformatik / Leiterin Attract-Gruppe Bioinformatik »IDA – Intelligente Datenanalyse für Gesundheit und Chemikaliensicherheit«

Telefon +49 511 5350-303