DOI: https://doi.org/10.1038/s41746-026-02445-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41748911
تاريخ النشر: 2026-02-26
المؤلف: Mo Yang وآخرون
الموضوع الرئيسي: تقنيات فونوكارديوغرافي والتسمع
نظرة عامة
لقد سهلت التقدمات الحديثة في تحليل أصوات السعال من خلال التعلم العميق الفحص القائم على الهواتف الذكية للأمراض التنفسية، مما يعزز الإدارة الذاتية في البيئات المنزلية. ومع ذلك، فإن فعالية هذه التقنيات تعيقها الاختلافات في الأجهزة، والسكان المتنوعين، والصعوبات في دمج عدة أنماط بيانات. للتغلب على هذه القيود، يقترح المؤلفون إطار عمل جديد للتعلم العميق متعدد الأنماط يقوم في الوقت نفسه بتحليل صوت السعال، والمعلومات الديموغرافية، ووصف الأعراض لتصنيف الأمراض التنفسية لدى البالغين.
يتضمن الإطار المقترح فرعًا عدائيًا داخل مشفر الصوت لضمان استخراج الميزات غير المعتمدة على الجهاز، مما يقلل من تأثير تباين الأجهزة. بالإضافة إلى ذلك، فإن استخدام دالة خسارة معززة بتقليل المخاطر غير المتغيرة يعزز من قوة النموذج، مما يسمح بتحسين دقة التصنيف عبر السكان والأجهزة المتنوعة. يهدف هذا النهج إلى إنشاء أداة أكثر موثوقية وسهولة للوصول لفحص الأمراض التنفسية في بيئات متنوعة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التحدي الكبير الذي تمثله الأمراض التنفسية للصحة العامة العالمية، والتي تنتشر بشكل خاص بين البالغين وكبار السن. الحالات الشائعة مثل مرض الانسداد الرئوي المزمن (COPD)، ومرض الرئة الخلالي (ILD)، والعدوى في الجهاز التنفسي السفلي (LRTI) غالبًا ما تظهر أعراضًا مبكرة مثل السعال، وإنتاج البلغم، وضيق التنفس. الطرق التشخيصية التقليدية، بما في ذلك تصوير الصدر واختبارات وظائف الرئة، محدودة بسبب اعتمادها على المعدات المتخصصة والأفراد المدربين، مما يجعلها أقل قابلية للتطبيق في البيئات ذات الموارد المحدودة. أدت التقدمات الحديثة في الذكاء الاصطناعي (AI) ونمذجة الصوت إلى تطوير أدوات تشخيصية آلية تعتمد على السعال، والتي تمثل بديلاً غير جراحي وفعال من حيث التكلفة للفحص المبكر.
على الرغم من التقدم الواعد في تحليل أصوات السعال، فإن عدة تحديات تعيق النشر العملي لنماذج الذكاء الاصطناعي في السيناريوهات الواقعية. تشمل هذه القضايا المتعلقة بتباين الأجهزة التي تؤثر على استقرار النموذج وتعميمه، بالإضافة إلى الاستخدام المحدود لميزات الصوت الأحادية التي تتجاهل المعلومات التشخيصية القيمة من البيانات الديموغرافية للمرضى ووصف الأعراض. بالإضافة إلى ذلك، تركز النماذج الحالية غالبًا على التصنيف ذي العلامة الواحدة، مما يفشل في معالجة تعقيد الحالات التنفسية المتزامنة. للتغلب على هذه القيود، يقترح المؤلفون إطار عمل جديد غير معتمد على الجهاز، متعدد الأنماط للتعلم العميق يدمج صوت السعال، والبيانات الديموغرافية، ووصف الأعراض. يستخدم هذا الإطار التدريب العدائي لتعزيز عدم الاعتماد على الجهاز ويشمل تقليل المخاطر غير المتغيرة لتحسين القوة ضد التحولات التوزيعية. علاوة على ذلك، يتميز بنهج التعلم متعدد العلامات لاستيعاب انتشار الحالات المصاحبة. يتم تقييم النموذج على مجموعة بيانات شاملة تضم أكثر من 10,000 عينة من المرضى البالغين، مما يظهر دقة وتعميمًا متفوقين، وبالتالي سد الفجوة بين البحث والتطبيق السريري في أنظمة الذكاء الاصطناعي المعتمدة على السعال لفحص الأمراض التنفسية.
الطرق
في هذا القسم، يحدد المؤلفون إعدادهم التجريبي ومقاييس التقييم التي تهدف إلى تقييم أداء النموذج في السيناريوهات السريرية الواقعية. لقد طوروا بروتوكولًا شاملاً يتضمن خطوات محددة لضمان تقييم قوي. تؤكد المنهجية على أهمية تكرار الظروف السريرية للتحقق بدقة من فعالية النموذج.
تم تصميم مقاييس التقييم المستخدمة لتعكس الأهمية السريرية لتوقعات النموذج، مما يضمن أن النتائج ذات مغزى في سياق عملي. من خلال التركيز على هذه المقاييس، يهدف المؤلفون إلى تقديم فهم واضح لقدرات النموذج وقيوده عند تطبيقه في الإعدادات السريرية الفعلية.
النتائج
في هذا القسم، يقدم المؤلفون نتائج إطار العمل متعدد الأنماط للتعلم العميق لتصنيف الأمراض التنفسية، مع التركيز على أدائه في مهام التصنيف الثنائي لمرض الانسداد الرئوي المزمن (COPD)، والعدوى في الجهاز التنفسي السفلي (LRTI)، وظلال الرئة (PS). بالنسبة لتصنيف COPD، تم تقييم النموذج باستخدام استراتيجية التحقق المتقاطع بخمس طيات، مما أسفر عن قيم AUROC و AUPRC المتوسطة جنبًا إلى جنب مع مقاييس مثل درجة F1، والدقة، والحساسية، والنوعية، والدقة العامة تحت طريقتين لتحديد العتبة. تشير النتائج إلى أداء قوي، مع توفر مقاييس مفصلة في الجداول التكميلية.
بالنسبة لـ LRTI، حافظ النموذج على قيم AUROC المتوسطة التي تتجاوز 0.84 عبر مجموعات التحقق والاختبار، مما يدل على فعاليته على الرغم من التعقيد السريري للمرض. في تقييم PS، حقق النموذج قيم AUROC تتجاوز 0.87، مما يشير إلى قدرة تصنيف قوية على الرغم من وجود عدم توازن كبير في الفئات (معدل إيجابي يبلغ 6.3%). ومع ذلك، كانت مقاييس درجة F1 والدقة أقل بشكل ملحوظ، مما يعكس التحديات في تحديد هذا الحدث النادر بدقة. يحذر المؤلفون من استخدام النموذج كأداة فحص مستقلة للعقيدات الرئوية، مقترحين بدلاً من ذلك أن يعمل كأداة فرز لتحديد الأولويات للأفراد للحصول على تصوير إضافي بناءً على الاحتمالات المتوقعة.
المناقشة
تتناول قسم المناقشة في الورقة البحثية تطوير وإثبات إطار عمل متعدد الأنماط للتعلم العميق لتشخيص الأمراض التنفسية باستخدام تسجيلات صوت السعال من مجموعة كبيرة من 12,378 مريضًا خارجيًا بالغًا. التزمت الدراسة بالإرشادات الأخلاقية وشملت عملية صارمة لمراقبة الجودة (QC) لتسجيلات صوت السعال، مما يضمن بيانات عالية الجودة للتحليل. أظهر الإطار أداءً قويًا عبر مختلف الحالات التنفسية، محققًا دقة تشخيصية عالية دون الاعتماد على المدخلات السريرية المنظمة. من الجدير بالذكر أن النموذج حافظ على قدرات تعميم قوية عبر أجهزة وإعدادات سريرية متنوعة، مما يبرز إمكانيته للتطبيقات الواقعية في الرعاية الصحية عن بُعد والرعاية الأولية.
تؤكد النتائج على أهمية التكامل متعدد الأنماط، حيث تعزز الميزات الصوتية، والبيانات الديموغرافية، ووصف الأعراض بشكل جماعي دقة تصنيف الأمراض. ساهم دمج التدريب العدائي واستراتيجيات تقليل المخاطر غير المتغيرة في تحسين قوة النموذج ضد تباين الأجهزة، مما يضمن أداءً موثوقًا عبر أجهزة تسجيل الصوت المختلفة. يسمح الهيكل المعماري للإطار بالتوسع في المستقبل، مثل دمج أنماط سريرية إضافية والتكيف مع مجالات الصوت المتعلقة بالرعاية الصحية الأخرى. بشكل عام، تؤكد الدراسة على الأهمية السريرية لتحليل الصوت المعتمد على السعال كأداة تشخيصية غير جراحية وفعالة من حيث التكلفة، مما يمهد الطريق لنشرها القابل للتوسع في بيئات الرعاية الصحية ذات الموارد المحدودة.
القيود
تتناول قسم القيود عدة مجالات حاسمة للتحسين في البحث الحالي، على الرغم من نتائجه التشخيصية الواعدة. تشمل القيود الرئيسية الذاتية في تصنيف التشخيص، والتي تنشأ من الاعتماد على التشخيصات السريرية الأولية المتأثرة بخبرة الأطباء والممارسات المؤسسية. لتعزيز الموضوعية، ستهدف الأعمال المستقبلية إلى تنفيذ توافق تشخيصي متعدد الجولات ودمج التحقق المتقاطع مع نتائج التصوير والاختبارات المعملية. بالإضافة إلى ذلك، فإن عدم توازن الفئات في مجموعة البيانات، خاصة فيما يتعلق بالأمراض التنفسية النادرة، يضعف أداء النموذج. سيتم استكشاف استراتيجيات مثل إعادة وزن الفئات، وزيادة العينات، وزيادة البيانات الاصطناعية لمعالجة هذه التحديات.
تشمل القيود الأخرى قابلية تفسير النموذج، التي لا تزال غامضة على الرغم من استخدام آليات الانتباه. ستعطي التكرارات المستقبلية الأولوية لتقنيات الذكاء الاصطناعي القابلة للتفسير لتوضيح عمليات اتخاذ القرار. الطبيعة الثابتة للإطار الحالي لا تأخذ في الاعتبار تقدم المرض الزمني، مما يستدعي التحول نحو النمذجة الطولية. علاوة على ذلك، قد لا تعكس بيئة تسجيل الصوت الخاضعة للرقابة التباين الصوتي في العالم الحقيقي، مما يحث الدراسات المستقبلية على تنويع سياقات جمع البيانات. تشمل الاعتبارات الأخرى التعامل مع البيانات ذات العلامات الضعيفة، وتعزيز تنوع السكان لتحسين القابلية للتعميم، والتحقق من أداء النموذج في المرضى الذين يعانون من حالات مصاحبة معقدة. ستكون التقييمات المستقبلية المستمرة في الإعدادات الواقعية حاسمة لتقييم الفائدة السريرية للنموذج وقابليته للتطبيق.
DOI: https://doi.org/10.1038/s41746-026-02445-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41748911
Publication Date: 2026-02-26
Author(s): Mo Yang et al.
Primary Topic: Phonocardiography and Auscultation Techniques
Overview
Recent advancements in cough sound analysis through deep learning have facilitated smartphone-based screening for respiratory diseases, promoting self-management in home environments. However, the effectiveness of these techniques is hindered by variations in devices, diverse populations, and difficulties in integrating multiple data modalities. To overcome these limitations, the authors propose a novel multimodal deep learning framework that simultaneously analyzes cough acoustics, demographic information, and symptom descriptions for the multi-label classification of adult respiratory diseases.
The proposed framework incorporates an adversarial branch within the audio encoder to ensure device-invariant feature extraction, thereby mitigating the impact of device heterogeneity. Additionally, the use of an invariant risk minimization-augmented loss function further enhances the model’s robustness, allowing for improved classification accuracy across varied populations and devices. This approach aims to create a more reliable and accessible tool for respiratory disease screening in diverse settings.
Introduction
The introduction of this research paper highlights the significant global public health challenge posed by respiratory diseases, which are particularly prevalent among adults and the elderly. Common conditions such as chronic obstructive pulmonary disease (COPD), interstitial lung disease (ILD), and lower respiratory tract infections (LRTI) often manifest early symptoms like cough, sputum production, and shortness of breath. Traditional diagnostic methods, including chest imaging and pulmonary function tests, are limited by their reliance on specialized equipment and trained personnel, making them less feasible in resource-limited settings. Recent advancements in artificial intelligence (AI) and acoustic modeling have led to the development of automated cough-based diagnostic tools, which present a non-invasive and cost-effective alternative for early screening.
Despite the promising progress in cough sound analysis, several challenges hinder the practical deployment of AI models in real-world scenarios. These include issues related to device variability affecting model stability and generalization, as well as the limited use of unimodal audio features that overlook valuable diagnostic information from patient demographics and symptom descriptions. Additionally, existing models often focus on single-label classification, failing to address the complexity of co-occurring respiratory conditions. To overcome these limitations, the authors propose a novel device-invariant, multimodal deep learning framework that integrates cough audio, demographic data, and symptom descriptions. This framework employs adversarial training to enhance device invariance and incorporates invariant risk minimization to improve robustness against distributional shifts. Furthermore, it features a multi-label learning approach to accommodate the prevalence of comorbid conditions. The model is evaluated on a comprehensive dataset of over 10,000 adult patient samples, demonstrating superior accuracy and generalization, thereby bridging the gap between research and clinical application in cough-based AI systems for respiratory disease screening.
Methods
In this section, the authors outline their experimental setup and evaluation metrics aimed at assessing model performance in real-world clinical scenarios. They developed a comprehensive protocol that includes specific steps to ensure robust evaluation. The methodology emphasizes the importance of replicating clinical conditions to validate the model’s effectiveness accurately.
The evaluation metrics employed are tailored to reflect the clinical relevance of the model’s predictions, ensuring that the results are meaningful in a practical context. By focusing on these metrics, the authors aim to provide a clear understanding of the model’s capabilities and limitations when applied to actual clinical settings.
Results
In this section, the authors present the results of their multimodal deep learning framework for classifying respiratory diseases, focusing on its performance in binary classification tasks for Chronic Obstructive Pulmonary Disease (COPD), Lower Respiratory Tract Infection (LRTI), and Pulmonary Shadows (PS). For the COPD classification, the model was evaluated using a five-fold cross-validation strategy, yielding mean AUROC and AUPRC values alongside metrics such as F1-score, precision, sensitivity, specificity, and overall accuracy under two thresholding methods. The results indicate robust performance, with detailed metrics available in supplementary tables.
For LRTI, the model maintained mean AUROC values exceeding 0.84 across validation and test sets, demonstrating its effectiveness despite the clinical complexity of the disease. In the evaluation of PS, the model achieved AUROC values above 0.87, indicating strong ranking capability despite a significant class imbalance (positive rate of 6.3%). However, the F1-score and precision metrics were notably lower, reflecting the challenges in accurately identifying this rare event. The authors caution against using the model as a standalone screening tool for pulmonary nodules, suggesting instead that it serves as a triage aid to prioritize individuals for further imaging based on predicted probabilities.
Discussion
The discussion section of the research paper outlines the development and validation of a multimodal deep learning framework for diagnosing respiratory diseases using cough audio recordings from a large cohort of 12,378 adult outpatients. The study adhered to ethical guidelines and involved a rigorous quality control (QC) process for cough audio, ensuring high-quality data for analysis. The framework demonstrated robust performance across various respiratory conditions, achieving high diagnostic accuracy without reliance on structured clinical inputs. Notably, the model maintained strong generalization capabilities across diverse devices and clinical settings, highlighting its potential for real-world applications in telehealth and primary care.
The findings emphasize the importance of multimodal integration, where audio features, demographic data, and symptom descriptions collectively enhance disease classification accuracy. The incorporation of adversarial training and Invariant Risk Minimization (IRM) strategies further improved model robustness against device variability, ensuring reliable performance across different audio acquisition hardware. The framework’s modular architecture allows for future expansions, such as integrating additional clinical modalities and adapting to other healthcare-related acoustic domains. Overall, the study underscores the clinical significance of cough-based acoustic analysis as a non-invasive, cost-effective diagnostic tool, paving the way for scalable deployment in resource-limited healthcare environments.
Limitations
The section on limitations outlines several critical areas for improvement in the current research, despite its promising diagnostic outcomes. Key limitations include the subjectivity in diagnostic labeling, which arises from reliance on initial clinical diagnoses influenced by physician experience and institutional practices. To enhance objectivity, future work will aim to implement multi-round diagnostic consensus and incorporate cross-validation with imaging and laboratory findings. Additionally, the dataset’s class imbalance, particularly concerning rare respiratory diseases, compromises model performance. Strategies such as class reweighting, oversampling, and synthetic data augmentation will be explored to address these challenges.
Further limitations include the model’s interpretability, which remains opaque despite the use of attention mechanisms. Future iterations will prioritize explainable AI techniques to clarify decision-making processes. The current framework’s static nature does not account for temporal disease progression, necessitating a shift towards longitudinal modeling. Moreover, the controlled audio recording environment may not reflect real-world acoustic variability, prompting future studies to diversify data collection contexts. Other considerations include handling weakly labeled data, enhancing population diversity for better generalizability, and validating model performance in patients with complex comorbidities. Ongoing prospective evaluations in real-world settings will be crucial for assessing the model’s clinical utility and applicability.