Nowy system sztucznej inteligencji może automatycznie wykrywać wrodzone wady serca u dzieci, analizując zwykłe nagrania dźwięków serca. Badacze skombinowali głębokie sieci neuronowe z tradycyjnymi, ręcznie projektowanymi cechami, aby stworzyć narzędzie zdolne do precyzyjnego identyfikowania problemów kardiologicznych bez potrzeby zaangażowania eksperta. To połączenie podejść - nowoczesnego deep learningu i klasycznych metod inżynierii cech - okazało się bardziej efektywne niż każda z tych technik stosowana osobno.
Fonokardiogramy, czyli nagrania szumów wydawanych przez pracujące serce, są dostępne praktycznie w każdym szpitalu i przychodni. Problem polega na tym, że ich interpretacja wymaga doświadczenia kardiologów pediatrycznych, którzy nie są dostępni wszędzie. Zwłaszcza w mniejszych ośrodkach medycznych wady serca mogą być długo niedostrzeżone, co może mieć poważne konsekwencje zdrowotne dla pacjentów. Automatyczne wykrywanie takich anomalii mogłoby znacznie przyspieszyć diagnozę i umożliwić wczesną interwencję.
System opracowany przez badaczy stanowi krok w kierunku szybszych i bardziej powszechnych diagnoz. Choć rezultaty są obiecujące, przed faktycznym wdrożeniem w praktyce klinicznej potrzebne będą dalsze testy na większych populacjach oraz walidacja skuteczności w rzeczywistych warunkach szpitalnych. Jednak perspektywa, że sieć neuronowa mogłaby asystować lekarzom w badaniu każdego dziecka, które przychodzi do przychodni, to potencjalnie przełomowe narzędzie dla pediatrii.