Content uploaded by David Cleres
Author content
All content in this area was uploaded by David Cleres on Jan 21, 2021
Content may be subject to copyright.
Kurzabstract für „Chronisch krank in der digitalen Welt“, 13.01.2021, Aarau, Schweiz; die Tagung wird gemeinsam von Verein
chronischkrank.ch, der Schweizerischen Gesellschaft für Gesundheitspsychologie, und Careum Weiterbildung organ isiert.
Smartphone-basierte Hustenerkennung – Auf dem Weg zu einem digitalen
Biomarker für chronische Atemwegserkrankungen
David Cleres1, Frank Rassouli2, Elgar Fleisch1, Martin Brutsche2, Tobias Kowatsch1, Filipe Barata1
1Center for Digital Health Interventions, ETH Zürich & Universität St. Gallen, Zürich & St. Gallen, Schweiz;
2 Lungenzentrum, Abteilung für Innere Medizin, Kantonsspital St. Gallen, St. Gallen, Schweiz
Thema: Husten ist das häufigste Symptom, bei dem Personen ärztlichen Rat suchen. Die gewöhnliche
Erkältung stellt die bekannteste Ursache dar. Darüber hinaus sind steigende Hustenraten mit einer
Verschlechterung des Gesundheitszustands bei Krankheiten wie Asthma und COPD assoziiert.
Infolgedessen wurden viele Anstrengungen unternommen, um ein objektives Mass für Husten zu
schaffen. Bis heute gibt es jedoch keine standardisierte Methode, und es gibt keinen ausreichend
validierten generischen Hustenmonitor, der im Handel erhältlich und klinisch akzeptabel ist.
Zielsetzung: Ziel dieses Projekts ist es, die Smartphone-basierte Hustenerkennung über 24 Stunden bei
22 COPD-Patienten zu validieren und die erkannten Hustenzahlen mit menschlichen Annotatoren zu
vergleichen.
Methode: Für das Android-Betriebssystem wurde eine App zur Hustenerkennung entwickelt. Die
Detektion des Hustens basiert auf einen Ensemble-Klassifikator von fünf Convolutional Neural
Networks. Die App fungiert auch als Audiorecorder, sodass die Erkennung anschliessend verifiziert
werden kann. Zusätzlich werden Hustendetektionen an einen Studienserver gesendet und können in
Echtzeit über einen Web-Client verfolgt werden.
Ergebnisse: Für das Trainieren von Hustenklassifikationsmodellen wurden Audiodaten von 94
Erwachsenen mit Asthma (57% Frauen, Durchschnittsalter 43 Jahre) verwendet, die über 29 Nächte
aufgezeichnet wurden. Insgesamt wurden 704.697 Geräusche benutzt, von denen 30.304 als Husten
identifiziert wurden. Der Ensemble-Klassifikator wurde vor der Studie auf dem PC evaluiert und schnitt
mit einem Matthews-Korrelationskoeffizienten von 94.4% ab. Ob diese Ergebnisse auf dem
Smartphone mit COPD Patienten im Krankenhauszimmer oder zu Hause reproduzierbar sind, wird in
diesem Projekt erforscht.
Fazit: Smartphone-basierte Hustenerkennung kann einen skalierbaren, kostengünstigen Marker für
chronische Atemwegserkrankungen liefern.
Wissenschaftliche Projekt-Website: https://www.c4dhi.org/projects/digital-biomarker-copd/
Studien Website: http://www.hustenstudie.ethz.ch/
Anerkennungen: FB, DC, MB, und FR trugen zum Studiendesign bei. FR war fü r die Studiendurchführung verantwortlich. DC und FB
lieferten die technologische Unterstützung für die Studiendurchführung. FB und Iris Shih entwickelten die initiale Version der
Studienapplik ation, die von DC für diese Stud ie angepasst würde. Die Basis für den Web-Client wurde von Markus Thömmes entworfen.
Datenvorverarbeitung, Analyse und maschinelles Lernen wurden von DC und FB durchg eführt. Das Schreib en und Editieren des Manuskripts
wurde von DC und FB durchgeführt. FR war der Hauptprüfer der klinischen Studie. Diese Studie wurde von dem KSSG und dem CDHI
finanziert. Die in diesem Dokument enthaltenen Ansichten und Schlussfolgerungen sind die der Autoren und sollten nicht so interpretiert
werden, dass sie notwendigerweise die offizielle Politik der Sponsoren darstellen, weder ausdrücklich noch implizit.