Akıllı telefonlarla erişilebilir, hızlı kronik obstrüktif akciğer hastalığı tespiti için öksürük sesine dayalı derin öğrenme algoritması

Basit Bir Öksürüğün Sağlık İpucuna Dönüşmesi

Kronik akciğer hastalıkları yaygındır, ancak bunları teşhis etmek için gereken araçlar sıklıkla hastane ziyareti, hantal cihazlar ve eğitimli personel gerektirir. Bu çalışma çok daha basit bir fikri araştırıyor: sıradan bir akıllı telefonla kaydedilen kısa, isteğe bağlı bir öksürük, kronik obstrüktif akciğer hastalığı (KOAH) olabilecek kişileri işaretlemeye yardımcı olabilir mi? Eğer öyleyse, milyonlarca insan özellikle uzman bakımına erişimin sınırlı olduğu yerlerde hızlı ve ucuz şekilde taranabilir.

KOAH’ın Erken Yakalanmasını Zorlaştıran Nedir

KOAH, solunum zorluğuna yol açan ve dünya çapında hastalık ve ölümün önde gelen nedenlerinden biri olan uzun süreli bir akciğer hastalığıdır. Birçok KOAH hastası hastalığının farkında değildir; bunun bir kısmı erken belirtilerin belirsiz ve kolayca göz ardı edilebilir olmasından kaynaklanır. Standart test olan spirometri, bir kişinin ne kadar hava üfleyebildiğini ölçer, ancak özel ekipman, eğitimli personel ve işbirliği yapan bir hasta gerektirir. Bu gereksinimler, özellikle yaşlı yetişkinlerde ve sınırlı kaynakları olan kliniklerde yaygın kullanımını zorlaştırır.

Öksürük Sesini Dikkatle Dinlemek

Bilim insanları, akciğer problemlerinin hem ses hem de öksürük sesini ince şekilde değiştirebileceğini öğrendi. Daralmış hava yolları, iltihap ve fazla mukus, havanın göğüs ve boğazdan geçiş biçimini etkiler. Önceki araştırmalar, basit bilgisayar programlarının KOAH, zatürre ve tüberküloz gibi hastalıklarla ilişkili desenleri yakalayabildiğini gösterdi. Ancak bu eski yöntemler, elle seçilmiş ses özelliklerine ve küçük veri setlerine dayanıyordu; bu da gerçek dünya koşullarında ne kadar iyi çalışabileceklerini sınırlıyordu.

Cough Search Telefon Araçının İnşası

Yazarlar, isteğe bağlı öksürükleri dinleyen ve bunların KOAH’tan kaynaklanma olasılığını değerlendiren Cough Search adında akıllı telefon tabanlı bir sistem geliştirdi. Önce, kalite kontrol modülü; boğaz temizleme, arka plan gürültüsü veya eksik öksürükler gibi kullanılamaz sesleri filtreler. Kalan öksürük patlamaları, zaman ve frekans boyunca ses enerjisinin nasıl dağıldığını gösteren renkli ses haritaları olan spektrogramlara dönüştürülür. Bu spektrogramlar daha sonra, KOAH ve KOAH olmayan öksürükler arasındaki farklı desenleri tespit edecek şekilde eğitilmiş, dönüştürücü (transformer) teknolojisine dayanan güçlü bir derin öğrenme modeline beslenir.

Aletin Hastanelerde ve Kliniklerde Test Edilmesi

Ekip, sistemi Şanghay’daki büyük bir hastanede 2.800’den fazla yetişkinin öksürük kayıtları üzerinde eğitti ve ayarladı, ardından dört hastanede, bölge düzeyindeki merkezler de dahil olmak üzere prospektif olarak test etti. Dış test grubunda toplam 722 kişi yer aldı; bunlardan 105’i doğrulanmış KOAH, 617’si ise KOAH değildi. Uzman incelemesine ve solunum testlerine dayalı standart klinik tanılarla karşılaştırıldığında, Cough Search çoğu zaman KOAH’ı KOAH olmayanlardan doğru şekilde ayırdı. Dış grupta eğri altındaki alan (AUC) 0,94’e ulaştı; yaklaşık %92 duyarlılık (gerçekten KOAH olanları yakalamada) ve %86 özgüllük (yanlış alarmı önlemede) gösterdi ve dahili testlerde benzer sonuçlar elde edildi.

Farklı İnsanlar ve Cihazlar Arasında Nasıl İşliyor

Araştırmacılar aracın yaş, cinsiyet, sigara öyküsü ve hastalık evresi arasında adil davranıp davranmadığını kontrol etti. Performans, daha ileri derecedeki KOAH’lı kişilerde en güçlüydü; ileri evrelerde duyarlılık %91’in üzerindeydi ve orta dereceli hastalıkta da hâlâ yüksekti. Model çeşitli akıllı telefon markalarında ve hem birinci sınıf hem de bölge hastanelerinde çalıştı. Bazı düzensizlikler kaldı: doğruluk daha yaşlı yetişkinlerde, kadınlarda ve çok erken evredeki hastalarda biraz daha düşüktü; bronşektazi gibi bazı diğer akciğer sorunları hâlâ sistemi yanıltabiliyordu. Modelin iç özelliklerine yönelik analizler, ana olarak öksürüğün belirli zaman pencerelerine ve düşük perdeli bölümlerine dayandığını gösterdi; bunlar, KOAH’ın hava akışını nasıl değiştirdiğine dair doktorların bildikleri ile uyumludur.

Günlük Bakım İçin Anlamı Ne Olabilir

Düz bir ifadeyle, çalışma kısa bir öksürüğün akıllı telefona verilmesinin bir kişinin KOAH’a sahip olup olmayacağı konusunda şaşırtıcı derecede güvenilir bir sinyal verebileceğini gösteriyor; özellikle hastalık orta veya ileri düzeydeyse. Tam tıbbi değerlendirme veya ayrıntılı solunum testlerinin yerini alamasa da, bu tür bir araç toplum kliniklerinde, eczanelerde veya hatta evde kolay bir ilk kontrol olarak hizmet edebilir. Bu şekilde kullanıldığında, Cough Search, ilk belirtiler ile kesin tanı arasındaki uzun gecikmeyi kısaltmaya yardımcı olabilir ve insanların akciğer sağlıklarını daha erken yönetme şansını artırabilir.

Atıf: Zhou, J., Huang, J., Wang, Q. et al. A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones. npj Prim. Care Respir. Med. 36, 32 (2026). https://doi.org/10.1038/s41533-026-00486-6

Anahtar kelimeler: KOAH, öksürük analizi, akıllı telefon taraması, derin öğrenme, solunum sağlığı