Deep-Learning-System zur schallbasierten Vorhersage des Harnflusses

In dieser Studie von Lee et al. wurden die Teilnehmer gebeten, in ein Uroflowmetrie-Gerät zu entleeren. Ihr Entleerungsgeräusch wurde mit einem Smartphone aufgezeichnet. Die Uroflowmetriekurven wurden von zwei Urologen beurteilt und die Audiodateien digital verarbeitet. Die Daten wurden dann mithilfe neuronaler Netze trainiert und validiert, wobei das erste zur Identifizierung von Uroflowmetrie-Mustern und das zweite zur Erkennung normaler bzw. abnormaler Muster eingesetzt wurde.

Ergebnisse: Für die maximale Harnflussrate, die durchschnittliche Harnflussrate und das entleerte Volumen wurde eine erhebliche Übereinstimmung zwischen den Vorhersagen und den konventionellen Studien erzielt. Die Vorhersage einer normalen oder anormalen Uroflowmetrie zeigte auch eine hohe Sensitivität und Spezifität, was die Möglichkeit von KI-gestützten Diagnosesystemen in naher Zukunft zeigt.

Quelle: Lee H.J. et al., Abstract #A0845

Innovation: ★★☆    Datenqualität: ★★☆    Praxisrelevanz: ★☆☆