Machines Are Learning Chest Auscultation. Will They Also Become Our Teachers?
Notice bibliographique
Résumé
Great strides in the development of machine learning techniques are bringing applications of artificial intelligence to ever more areas of clinical medicine. Their potential in the evaluation of visual images and in speech recognition is well established. Recently, the capabilities of machine hearing have been also applied to chest auscultation (ie, the automated analysis, characterization, and classification of heart and lung sounds). Comparing strengths and limitations of human vs machine hearing can help to put these developments in perspective. Humans have multisensory perception (ie, they receive visual and tactile information while auscultating). Humans also surpass machines in the ability to focus attention on listening for specific sounds in noisy environments. Together with information on a patient's history and presumed medical diagnosis, and with frequent repetition, chest auscultation remains a trainable and valuable human skill. Advantages of machine hearing of chest sounds with digital stethoscopes include not only objective acoustic analysis but also storage of data that allows comparisons over time, presentation in audiovisual format, and wireless communication. Machines can support patient management by relating acoustic analyses to clinical diagnoses, serving as decision support for further investigations, and by monitoring of patients over time. The potential of machines to become teachers of chest auscultation is only now coming into focus. In the near future, assessment of chest sounds will largely remain in the domain of traditional acoustic stethoscopes. However, machines may well be used for training students in different health care professions and nonmedical caregivers, provided that humans remain part of the process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,008 | 0,027 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,011 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».