컴퓨터 지원 청진

Computer-aided auscultation
컴퓨터 지원 청진
동의어컴퓨터 지원 청진
테스트컴퓨터 지원을 통한 청진

컴퓨터 지원 청진(CAA) 또는 컴퓨터 지원 청진(Computer-aided aurcultation)은 디지털 형태의 청진입니다.여기에는 심장 또는 폐 소리의 디지털 녹음 녹음, 시각화, 저장, 분석 및 공유가 포함됩니다.기록은 전자 청진기 또는 이와 유사하게 적합한 기록 장치를 사용하여 얻을 수 있습니다.컴퓨터 지원 청진술은 진단 프로세스의 일부로 청진을 수행하는 의료 전문가를 지원하기 위해 설계되었습니다.상용 CAA 제품은 일반적으로 의료 전문가의 진단 지원을 위한 임상 의사 결정 지원 시스템으로 분류됩니다.따라서 이 장치는 의료기기이며 인증 또는 관할 당국의 승인이 필요하다(예: FDA 승인, 통보 기관이 발급한 CE 적합성).

CAA의 이점

기존의 청진법에 비해 CAA(Computer-aided aurcultation)는 여러 이해관계자에게 유익한 개선점을 제공합니다.

  • CAA는 더 정확하고 객관적인 결과를 낼 수 있으며 [1]청진 기술과 인간의 주관적 해석을 능가할 가능성이 높다.
  • CAA를 사용하면 청진법은 더 이상 전문가와 의사만을 위한 방법이 아닙니다.예를 들어, 간호사와 구급대원은 환자에게 CAA 시스템을 올바르게 사용하도록 쉽게 교육받을 수 있습니다.
  • CAA는 원격진료에 새로운 기회를 열어줍니다.실시간 원격 청진 기능은 전 세계 어디에 있든 전문가가 개발도상국 또는 [2][3][4]원격지의 환자에게서 관찰되는 희귀 상태를 진단하는 데 도움이 될 수 있습니다.
  • CAA는 건강 모니터링 및 건강 관리를 위한 새로운 기회를 엽니다.
  • CAA를 통해 분석 결과를 전자적으로 문서화할 수 있습니다.필요에 따라 결과를 저장하고 검색할 수 있으며 전자 환자 [5][6]기록에 포함할 수도 있습니다.
  • CAA에서 파생된 표준화된 청진 데이터는 국가 지급자와 제공자가 보다 효율적이고 비용 효율적인 선별 프로그램을 구현하는 데 도움이 될 수 있다.
  • CAA는 의대생 및 간호학과 학생을 대상으로 교육 및 훈련 목적으로 사용할 수 있습니다.

기능 원리

CAA 시스템에서는 전자 청진기를 통해 소리를 녹음한다.오디오 데이터는 블루투스 또는 오디오 케이블 연결을 통해 전자 장치로 전송됩니다.그 장치의 특수 소프트웨어는 데이터를 시각화, 저장 및 분석합니다.보다 정교한 CAA 시스템 중 일부에서는 CAA 분석을 통해 진단을 객관화하는 데 사용할 수 있는 결과를 얻을 수 있습니다(의사결정 지원 시스템).[citation needed]

CAA 시스템의 컴포넌트

CAA 시스템의 컴포넌트는 그 복잡성에 따라 달라집니다.단순한 시스템 중 일부는 시각화 또는 스토리지 옵션만 제공하는 반면, 다른 시스템은 시각화, 스토리지, 분석 및 해당 데이터를 전자적으로 관리하는 기능을 결합합니다.

전자 청진기

전자 청진기(디지털 청진기도)는 음향 음파를 디지털 전기 신호로 변환합니다.그런 다음 이러한 신호는 변환기를 통해 증폭되며 현재 기존 음향 청진기보다 최대 100배 높은 수준에 도달합니다.또한 전자 청진기를 사용하여 백그라운드 노이즈를 걸러낼 수 있습니다. 이 기능은 안전과 관련이 있고 보다 정확한 진단을 용이하게 할 수 있습니다.음향 증폭과 필터링은 전자 청진기의 주요 기능이지만 블루투스 또는 오디오 케이블을 통해 외부 수단을 통해 소리에 액세스할 수 있는 기능은 CAA [citation needed]시스템에 이상적인 음향 캡처 장치입니다.

그래피컬 사용자 인터페이스를 실행하는 디바이스

전자 청진기에 연결하고 오디오 신호(심장 또는 폐 소리)를 녹음하는 데 사용할 수 있는 장치에는 PC, 노트북 및 스마트폰이나 태블릿과 같은 모바일 장치가 포함됩니다.일반적으로 CAA 시스템에는 착신 오디오 신호를 시각화할 수 있는 소프트웨어가 포함되어 있습니다.보다 정교한 CAA 시스템에는 사용자가 최상의 녹음 품질을 달성할 수 있도록 설계된 라이브 노이즈 감지 알고리즘이 포함되어 있습니다.

실시간으로 수신 신호를 보여주는 eMurmur CAA 시스템의[7] 그래픽 사용자 인터페이스.이 CAA 시스템에는 녹음된 신호의 품질이 충분한지 확인하는 라이브 노이즈 검출 알고리즘이 포함되어 있습니다.

분석 소프트웨어

CAA 시스템의 주요 특징은 신호 처리 알고리즘에 의한 녹음된 오디오 신호의 자동 분석입니다.이러한 알고리즘은 녹음에 사용되는 디바이스에서 직접 실행하거나 디바이스에 연결된 클라우드에서 호스트될 수 있습니다.현재 이용 가능한 분석 알고리즘의 자율성 정도는 크게 다르다.일부 시스템은 완전히 [7]자율적으로 작동하는 반면, 초기 PC 기반 시스템은 상당한 사용자 상호 작용과 [8]결과 해석이 필요했으며, 다른 분석 시스템은 추정 [9]심박수의 수동 확인/보정 등 사용자의 도움을 필요로 했다.

eMurmur CAA [7]시스템의 모바일 장치 기반 결과 화면. AHA 분류, 잡음 분석 결과(잡음 없음, 무죄 또는 병리학적 잡음, 추가 설명 데이터), 심박수 및 녹음 재생 옵션을 보여줍니다.
노트북 기반 SensiCardiac CAA 소프트웨어 프로그램으로,[9] 기록된 심장 소리와 심전도 신호 및 분석 결과를 보여줍니다.

청진 기반 데이터 저장

녹음된 소리와 관련된 분석 및 환자 데이터를 전자적으로 저장, 관리 또는 보관할 수 있습니다.이 과정에서 환자 식별 정보를 처리하거나 저장할 수 있습니다.저장된 데이터가 PHI(보호된 건강 정보)로 분류되는 경우, 이러한 데이터를 호스팅하는 시스템은 미국의 HIPAA 또는 EU의 데이터 보호 지침과 같은 국가별 데이터 보호 법률을 준수해야 합니다.현재 CAA 시스템의 스토리지 옵션은 다운로드 가능한 PDF 보고서를 검색하는 기본 기능에서 포괄적인 기능에 이르기까지 다양합니다.클라우드 기반 인터페이스를 통해 모든 청진 기반 [citation needed]데이터를 전자적으로 관리할 수 있습니다.

클라우드 기반 사용자 인터페이스

사용자는 예를 들어 브라우저의 웹 포트나 전자 기기의 독립 실행형 소프트웨어를 통해 사용자 인터페이스를 통해 모든 환자 기록(오디오 파일 재생 포함)을 검토할 수 있습니다.다른 기능으로는 다른 사용자와 기록 공유, 환자 기록 내보내기 및 EHR 시스템 통합 등이 있습니다.

심장의 CAA

심장 잡음을 감지하고 특징짓기 위한 컴퓨터 지원 청진법을 컴퓨터 지원 심장 청진법(자동 심장 소리 분석이라고도 함)이라고 합니다.

동기

청진기를 이용한 심장 청진술은 잡음을 식별하여 심장 결함을 검사하는 전 세계 표준 검사법이다.검사 의사는 청각이 예민하고 경험이 풍부해야 합니다.소음, 높은 심박수, 그리고 병리학적 잡음과 결백함을 구별하는 능력 등 다양한 이유로 정확한 진단은 여전히 어렵다.적절하게 수행되면, 심장의 청진 검사는 일반적으로 심장병의 [10]발견과 관리에 저렴하고 널리 이용 가능한 도구로 간주됩니다.그러나 의사들의 청진 기술은 [11][12][13][14][15][16][17]감소하고 있는 것으로 보고되고 있다.이로 인해 질병 진단 누락 및/또는 불필요하고 비용이 많이 드는 진단 테스트 비용이 발생합니다.이전에 진단되지 않은 신생아 선천성 심장 결함의 3분의 1 이상이 6주간의 [18]검사에서 누락된다는 연구 결과가 나왔다.값비싼 심장 초음파 검사를 위해 의료 전문가에게 의뢰된 것의 60% 이상이 무고한 [14]잡음의 오진 때문이다.따라서 심장의 CAA는 기본 알고리즘이 정상과 비정상적인 심장 소리 사이의 차이를 감지하는 능력에 대해 엄격하고 맹목적인 방식으로 임상 테스트를 거친 경우 비용 효율적인 선별 및 진단 도구가 될 가능성이 있다.

심장의 잡음과 CAA

심장 잡음(심장 잡음)은 청진기를 통해 들리는 소음으로, 혈액의 난류에서 발생합니다.심장 잡음은 주로 뛰는 심장과 심장 판막이 열리고 닫히는 것에 의해 발생하는 심장 소리와 구별될 필요가 있다.일반적으로, 심장 잡음은 순수하거나 병적인 것으로 분류된다.무해한 잡음은 보통 무해하며, 종종 심장 밖의 생리적인 조건과 특정한 양성 구조적 결함의 결과로 인해 발생합니다.병리학적 잡음은 심장 판막 문제와 가장 자주 관련되지만 광범위한 구조적 심장 결함으로 인해 발생할 수도 있습니다.타이밍(수축기 잡음 및 확장기 잡음), 형태, 위치, 방사선, 강도, 피치 및 품질을 포함한 다양한 특성이 심장 잡음의 질적 설명을 구성합니다.미국 심장 협회에 [19]따르면 CAA 시스템은 일반적으로 심장 소리와 잡음을 Class I 및 Class III로 분류합니다.

  • 클래스 I: 병리학적 잡음
  • 클래스 III: 무해한 잡음 또는 잡음 없음

보다 정교한 CAA 시스템은 잡음 타이밍, 등급 또는 S1/S2 심장음의 위치를 식별하는 기능과 같은 추가 설명적인 잡음 정보를 제공합니다.

심음 분석

CAA 시스템에서 심장 잡음의 검출은 디지털로 녹음된 심장 소리 분석에 기초한다.대부분의 접근법에서는 다음 4단계를 사용합니다.

  1. 심박수 검출:제1단계에서는 심장의 음성신호에 기초하여 심박수를 결정한다.이는 다음 단계에서 매우 중요한 단계이며 높은 정확도가 요구됩니다.심박수는 40~200bpm, 소음과 잡음은 심음의 피크(S1, S2)를 위장할 수 있고 불규칙한 심박수는 심박수의 준주기성을 교란할 수 있기 때문에 음향기록에 기초한 자동심박수 판정이 어렵다.
  2. 심음 분할: 심박수가 검출된 후 심박수의 두 가지 주요 단계(수축과 확장기)가 식별됩니다.대부분의 잡음은 하트비트 중에 특정 단계에서 발생하기 때문에 이 구별은 중요합니다.환경의 외부 소음 또는 환자의 내부 소음(예: 호흡)으로 인해 심장 소리 분할이 어렵습니다.
  3. 기능 추출:심장 박동의 위상을 특정하고, 한층 더 분류 단계에 들어가는 심장음으로부터의 정보(특징)를 추출한다.특징은 단순한 에너지 기반 접근법부터 고차 다차원 양까지 다양합니다.
  4. 기능 분류:분류 중에 이전 단계에서 추출된 특징을 사용하여 신호를 분류하고 잡음의 존재와 유형을 평가합니다.주된 과제는 무음 녹음과 저급 무음 중얼거림, 무음 중얼거림과 병적인 중얼거림을 구별하는 것입니다.일반적으로 기계학습 접근법은 훈련 데이터를 기반으로 분류자를 구성하기 위해 적용됩니다.

CAA 시스템의 임상 증거

CAA 시스템에 대한 가장 일반적인 성과 측정 유형은 두 가지 접근방식에 기초한다. 즉, 기존 데이터를 사용한 소급(비맹검) 연구와 신규 환자에 대한 사전 실명 임상 연구이다.소급 CAA 연구에서 분류자는 기존 데이터를 사용하여 기계 학습 알고리즘으로 훈련된다.그런 다음 동일한 데이터를 사용하여 분류기의 성능을 평가한다.이를 위해 다양한 접근 방식(예: k-Fold 교차 검증, 생략형 교차 검증)이 사용됩니다.소급 성능 데이터만을 기반으로 CAA 시스템의 품질(감도, 특이성)을 판단하는 주요 단점은 사용된 접근법이 주어진 시스템의 실제 성능을 과대 평가할 수 있다는 위험에서 비롯된다.대부분의 분류기는 알려진 데이터를 매우 잘 분석하도록 설계될 수 있지만 알려지지 않은 데이터를 정확하게 분류하기에 충분히 일반적이지 않을 수 있기 때문에 훈련과 검증을 위해 동일한 데이터를 사용하는 것 자체가 검증 세트의 상당한 과적합으로 이어질 수 있다. 즉, 결과가 보이지 않는 새로운 환자에 대해 시험했을 때보다 훨씬 좋아 보인다."선택된 네트워크(CAA 시스템)의 실제 성능은 테스트 세트라고 불리는 세 번째 독립적인 데이터 세트에서 측정하여 확인해야 합니다."[20]요약하면, 소급 비맹검 연구의 신뢰성은 선택 편향과 소급 편견이 발생하기 쉽기 때문에 일반적으로 사전 임상 연구보다 훨씬 낮은 것으로 간주된다.발표된 예로는 Pretorius 등이 있다.[21]반면, 사전 임상 연구는 CAA 시스템의 실제 성능을 평가하는 데 더 적합하다(연구가 맹목적이고 잘 통제된 경우).CAA 시스템의 성능을 평가하기 위한 사전 임상 연구에서 CAA 시스템의 출력을 골드 표준 진단과 비교합니다.심장 잡음의 경우, 적절한 표준 진단은 심장 초음파 기반 진단으로 계층화된 청진 기반 전문 의사 진단일 것이다.발표된 예로는 라이 [1]등이 있다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Lai, Lillian; Andrew N. Redington; Andreas J. Reinisch; Michael J. Unterberger; Andreas J. Schriefl (2016). "Computerized Automatic Diagnosis of Innocent and Pathologic Murmurs in Pediatrics: A Pilot Study". Congenital Heart Disease. 11 (5): 386–395. doi:10.1111/chd.12328. PMID 26990211. S2CID 20921069.
  2. ^ Vaidyanathan, B; Sathish G; Mohanan ST; Sundaram KR; Warrier KK; Kumar RK (2011). "Clinical screening for Congenital heart disease at birth: a prospective study in a community hospital in Kerala". Indian Pediatrics. 48 (1): 25–30. doi:10.1007/s13312-011-0021-1. PMID 20972295.
  3. ^ Zühlke, Z; Myer L; Mayosi BM (2012). "The promise of computer-assisted auscultation in screening for structural heart disease and clinical teaching". Cardiovascular Journal of Africa. 23 (7): 405–408. doi:10.5830/CVJA-2012-007. PMC 3721800. PMID 22358127.
  4. ^ Mandal, S; Basak K; Mandana KM; Ray AK; Chatterjee J; Mahadevappa M (2011). "Development of cardiac prescreening device for rural population using ultralow-power embedded system". IEEE Transactions on Biomedical Engineering. 58 (3): 745–749. doi:10.1109/TBME.2010.2089457. PMID 21342805.
  5. ^ Iwamoto, J; Ogawa H; Maki H; Yonezawa Y; Hahn AW; Caldwell WM (2011). "A mobile phone-based ecg and heart sound monitoring system". Biomedical Sciences Instrumentation. 47: 160–164. PMID 21525614.
  6. ^ Koekemoer, H. L.; Scheffer, C. (2008). "Heart sound and electrocardiogram recording devices for telemedicine environments". 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Vol. 2008. pp. 4867–4870. doi:10.1109/IEMBS.2008.4650304. ISBN 978-1-4244-1814-5. PMID 19163807.
  7. ^ a b c "Home". eMURMUR.
  8. ^ "Zargis Cardioscan".
  9. ^ a b "Diacoustic Medical Devices".
  10. ^ Becket Mahnke, C. (2009). "Automated heartsound analysis/Computer-aided auscultation: A cardiologist's perspective and suggestions for future development". 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Vol. 2009. pp. 3115–3118. doi:10.1109/IEMBS.2009.5332551. PMID 19963568.
  11. ^ Alam, Uazman; Omar Asghar; Sohail Q Khan; Sajad Hayat; Rayaz A Malik (2010). "Cardiac auscultation: an essential clinical skill in decline". British Journal of Cardiology. 17: 8–10.
  12. ^ Kumar, Komal; W. Reid Thompson (2012). "Evaluation of Cardiac Auscultation Skills in Pediatric Residents". Clinical Pediatrics. 52 (1): 66–73. doi:10.1177/0009922812466584. PMID 23185081.
  13. ^ Vukanovic-Criley, JM; Criley S; Warde CM; Boker JR; Guevara-Matheus L; Churchill WH; Nelson WP; Criley JM (2006). "Competency in cardiac examination skills in medical students, trainees, physicians, and faculty: a multicenter study". Archives of Internal Medicine. 27 (6): 610–616. doi:10.1001/archinte.166.6.610. PMID 16567598.
  14. ^ a b McCrindle, BW; Shaffer KM; Kan JS; Zahka KG; Rowe SA; Kidd L (1995). "Factors prompting referral for cardiology evaluation of heart murmurs in children". Archives of Pediatrics & Adolescent Medicine. 149 (11): 1277–1279. doi:10.1001/archpedi.1995.02170240095018. PMID 7581765.
  15. ^ Germanakis, I; Petridou ET; Varlamis G; Matsoukis IL; Papadopoulou-Legbelou K.; Kalmanti M (2013). "Skills of primary healthcare physicians in paediatric cardiac auscultation". Acta Paediatrica. 102 (2): 74–78. doi:10.1111/apa.12062. PMID 23082851.
  16. ^ Gaskin, PR; Owens SE; Talner NS; Sanders SP; Li JS (2000). "Clinical auscultation skills in pediatric residents". Pediatrics. 105 (6): 1184–1187. doi:10.1542/peds.105.6.1184. PMID 10835055. S2CID 14993738.
  17. ^ Caddell, AJ; Wong KK; Barker AP; Warren AE (2015). "Trends in pediatric cardiology referrals, testing, and satisfaction at a Canadian tertiary centre". Canadian Journal of Cardiology. 31 (1): 95–98. doi:10.1016/j.cjca.2014.10.028. PMID 25547558.
  18. ^ Wren, Christopher; Sam Richmond; Liam Donaldson (1999). "Presentation of congenital heart disease in infancy: implications for routine examination". Arch Dis Child Fetal Neonatal Ed. 80 (1): F49–F53. doi:10.1136/fn.80.1.f49. PMC 1720871. PMID 10325813.
  19. ^ Bonow, Robert O.; Blase A. Carabello; Kanu Chatterjee; Antonio C. de Leon; David P. Faxon; Michael D. Freed; William H. Gaasch; Bruce Whitney Lytle; Rick A. Nishimura; Patrick T. O’Gara; Robert A. O’Rourke; Catherine M. Otto; Pravin M. Shah; Jack S. Shanewise (2006). "ACC/AHA 2006 Guidelines for the Management of Patients With Valvular Heart Disease". Circulation. 114 (5): 84–231. doi:10.1161/CIRCULATIONAHA.106.176857. PMID 16880336.
  20. ^ Bishop, Christopher (1995). Neural Networks for Pattern Recognition. Oxford University Press.
  21. ^ Pretorius, Eugene; Cronje, Matthys L.; Strydom, Otto (2010). "Development of a pediatric cardiac computer aided auscultation decision support system". 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology. Vol. 2010. pp. 6078–6082. doi:10.1109/IEMBS.2010.5627633. ISBN 978-1-4244-4123-5. PMID 21097128.