Korištenje stetoskopa potpomognutog umjetnom inteligencijom može generirati pouzdane podatke, čak i kod male djece, pružajući tako skrbnicima informacije o egzacerbacijama astme.

Pravovremena dijagnoza egzacerbacija astme, koja je ključna za pravilno liječenje bolesti, zahtijeva učinkovito kućno praćenje. Iako neke parametre plućne funkcije, poput vršnog protoka izdisaja (PEF), pacijenti mogu mjeriti kod kuće, alati za tu svrhu nisu namijenjeni vrlo maloj djeci.

Kako bi se postiglo učinkovito upravljanje astmom, pacijentima bi se trebali dati potrebni alati koji će im omogućiti da prepoznaju pogoršanje astme i odgovore na nju. Globalna inicijativa za astmu identificira respiratorne zvukove kao temeljni parametar za prepoznavanje egzacerbacije. Prepoznavanje respiratornih zvukova i prosuđivanje je li došlo do promjene može biti izazov za one koji nisu u medicinskoj struci.

Kako bi poboljšali nadzor kod kuće, istraživači s Odjela za pedijatrijsku pulmologiju i reumatologiju Sveučilišta u Lublinu, Poljska, eksperimentirali su sa stetoskopom StethoMe koji omogućuje prepoznavanje patoloških znakova, uključujući kontinuirane i prolazne zvukove. Ovaj stetoskop potpomognut umjetnom inteligencijom, uvježban na više od 10 000 snimaka respiratornih zvukova, certificiran je kao medicinski uređaj klase IIa u Europi.

Studija koja je trajala 6 mjeseci obuhvatila je 149 bolesnika s astmom (90 djece i 59 odraslih). Sudionici su vršili samokontrolu (ali roditelji ili skrbnici za djecu) jednom dnevno u prva 2 tjedna i najmanje jednom tjedno nakon toga koristeći tri alata. Prvi je bio StethoMe stetoskop koji je korišten za otkrivanje respiratornih zvukova, respiratorne frekvencije (RR), brzine otkucaja srca (HR) i omjera udah/izdisaj (I/E). Pacijenti su dobili "mapu" točaka na prsima na koje su postavili stetoskop. Drugi je bio pulsni oksimetar, koji je korišten za mjerenje zasićenosti kisikom. Treći je bio mjerač vršnog protoka PEF. Istovremeno je popunjen i zdravstveni upitnik.

Podaci iz 6029 dovršenih sesija samokontrole korišteni su za određivanje najučinkovitijeg parametra za prepoznavanje egzacerbacije, kvantificiranog površinom ispod krivulje radne karakteristike prijemnika (AUC). Istraživači su zaključili da je parametar s najboljom izvedbom bio intenzitet piskanja u male djece (AUC 84%, 95% CI, 82%-85%), intenzitet piskanja u starije djece (AUC, 81%; 95% CI, 79%- 84%) i odgovor na upitnik za odrasle (AUC, 92%; 95% CI, 89%-95%). Kombinacija više parametara povećala je učinkovitost.

Sadašnji rezultati jasno pokazuju da skup parametara (zviždanje, hropci, grubo i fino pucketanje, HR, RR i I/E) mjerenih uređajem kao što je kućni stetoskop potpomognut umjetnom inteligencijom omogućuje otkrivanje egzacerbacija bez potrebe za izvođenjem PEF mjerenja, što može biti dvosmisleno. Osim toga, u slučaju mlađe djece (dob < 5 godina), kada se uvede, analizirani kućni stetoskop čini se obećavajućim alatom koji bi mogao učiniti dijagnozu astme jednostavnijom i značajno olakšati praćenje astme.