ประสิทธิภาพของสัญญาณเสียงจากหูฟังเสียงแบบดิจิทัลไร้สายแบบเรียลไทม์เปรียบเทียบกับหูฟังมาตรฐานในการประเมินระบบหัวใจและปอด

พรทิพย์  นิ่มขุนทด; ปัทมา ทองดี; พีระพงษ์ อุฑารสกุล; นันทวุฒิ  คะอังกุ; มนต์ทิพย์ภา  อุฑารสกุล; ธฤต จุมภู; ศรัญญา กาญจนวัฒนา; ปริญญ์  ศรเลิศล้ำวาณิช; คมศัลล์  ศรีวิสุทธิ์; ชลธิดา  ครบพรชัย

ผู้แต่ง

พรทิพย์ นิ่มขุนทด สำนักวิชาแพทยศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี และโรงพยาบาลมหาวิทยาลัยเทคโนโลยีสุรนารี มหาวิทยาลัยเทคโนโลยีสุรนารี
ปัทมา ทองดี สำนักวิชาแพทยศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี และโรงพยาบาลมหาวิทยาลัยเทคโนโลยีสุรนารี มหาวิทยาลัยเทคโนโลยีสุรนารี
พีระพงษ์ อุฑารสกุล สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
นันทวุฒิ คะอังกุ สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
มนต์ทิพย์ภา อุฑารสกุล สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
ธฤต จุมภู สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
ศรัญญา กาญจนวัฒนา สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
ปริญญ์ ศรเลิศล้ำวาณิช สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
คมศัลล์ ศรีวิสุทธิ์ สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
ชลธิดา ครบพรชัย สำนักวิชาวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีสุรนารี

คำสำคัญ:

สัญญาณเสียง, ฟังเสียงแบบดิจิทัลไร้สายแบบเรียลไทม์, หูฟังมาตรฐาน

บทคัดย่อ

การวิจัยนี้เป็นการพัฒนานวัตกรรมทางเทคโนโลยีการแพทย์ ต้นแบบอุปกรณ์หูฟังแพทย์ทางไกลที่สามารถส่งข้อมูลเสียงแบบเรียลไทม์ผ่านเครือข่ายอินเทอร์เน็ต การวิจัยนี้เป็นแบบกึ่งทดลองเปรียบเทียบประชากร 2 กลุ่ม โดยมีวัตถุประสงค์เพื่อศึกษาประสิทธิภาพของเครื่องตรวจฟังเสียงหัวใจและปอดระยะไกลที่มีระบบวิเคราะห์เสียงแบบเรียลไทม์ การเก็บข้อมูลจาก 2 กลุ่ม จำนวน 108 คน แบ่งเป็น กลุ่มตัวอย่าง 1 คือ บุคคลทั่วไปที่ไม่มีโรคประจำตัวทางระบบหัวใจและหลอดเลือด อายุ 18 ปีขึ้นไป จำนวน 73 คน กลุ่มตัวอย่าง 2 คือ ผู้ป่วยที่มีอาการทางระบบหัวใจและหลอดเลือด ทางระบบทางเดินหายใจ ที่มารักษาเป็นผู้ป่วยในโรงพยาบาลมหาวิทยาลัยเทคโนโลยีสุรนารี จำนวน 35 คน ตั้งแต่ 1 กุมภาพันธ์ 2567 ถึง 31 พฤษภาคม 2568 รวบรวมข้อมูลทั่วไป และผลการตรวจร่างกาย การฟังเสียงหัวใจและปอดที่ผนังทรวงอก 14 ตำแหน่ง

ผลการวิจัย พบว่า กลุ่มเสียงปกติ คืออาสาสมัครสุขภาพดีและเสียงหัวใจและปอดปกติ อายุเฉลี่ย 26.00 ± 8.15 ปี เป็นเพศชาย 98.6 % ค่าดัชนีมวลกาย 23.66 ± 7.53 กิโลกรัม/เมตร² ในกลุ่มที่ กลุ่มโรคหัวใจและหลอดเลือด/โรคปอด อายุเฉลี่ย 68.83 ± 11.71 ปี เป็นเพศชาย 48.57% ค่าดัชนีมวลกาย 24.57 ± 2.99กิโลกรัม/เมตร² ประสิทธิภาพของสัญญาณเสียงเป็นคุณภาพเสียง 3 ส่วน (ความชัดเจน ความดังและความถูกต้องของเสียงหัวใจและปอด) ทั้งในกลุ่มเสียงปกติและกลุ่มเสียงผิดปกติดีกว่าหูฟังมาตรฐาน และเมื่อเปรียบเทียบระหว่างกลุ่มเสียงปกติและกลุ่มเสียงผิดปกติ ทั้ง 2 กลุ่ม คุณภาพของเสียงไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติ

เอกสารอ้างอิง

McMehan C., So P., Li K.F., Jasechko G., Poulin M. Electronic Stethoscope for eHealth and Telemedicine. CMBES Proc 2010; 33.

Hailey D. Some successes and limitations with telehealth in Canada. J. Telemed. Telecare 2001; 7((Suppl. S2)) : 73–5.

Poon Z., Tan N.C. A qualitative research study of primary care physicians’ views of telehealth in delivering postnatal care to women. BMC Prim. Care 2022; 23 : 206.

Kwon H., An S., Lee H.-Y., Cha W.C., Kim S., Cho M., Kong H.-J. Review of Smart Hospital Services in Real Healthcare Environments. Health Inform. Res 2022; 28 : 3–15.

Seah JJ, Zhao J, Wang Y, Lee HP. Review on the Advancements of Stethoscope Types in Chest Auscultation. Diagnostics (Basel) 2023;13(9):1545.

Foche-Perez I, Ramirez-Payba R, Hirigoyen-Emparanza G, Balducci-Gonzalez F, Simo-Reigadas FJ, Seoane-Pascual J, et al. An open real-time tele-stethoscopy system. Biomed Eng Online 2012;11:57.

Kelmenson DA, Heath JK, Ball SA, Kaafarani HM, Baker EM, Yeh DD, et al. Prototype electronic stethoscope vs. conventional stethoscope for auscultation of heart sounds.J Med Eng Technol 2014;38:307–10.

Silverman B, Balk M. Digital stethoscope-improved auscultation at the bedside. Am J Cardiol 2019;123:984–5.

Koning C, Lock A. A systematic review and utilization study of digital stethoscopes for cardiopulmonary assessments. J Med Res Innov 2021; 5(40): 4–14.

Swarup S, Makaryus AN. Digital stethoscope: technology update. Med Devices (Auckl) 2018; 11 : 29–36.

Fernandez-Granero MA, Sanchez-Morillo D, Leon-Jimenez A. Computerised analysis of telemonitored respiratory sounds for predicting acute exacerbations of COPD. Sensors (Basel) 2015; 15 : 26978–96.

Altan G, Kutlu Y, Allahverdi N. Deep learning on computerized analysis of chronic obstructive pulmonary disease. IEEE J Biomed Health Inform 2020; 24: 1344–50.

Mondal A, Banerjee P, Tang H. A novel feature extraction technique for pulmonary sound analysis based on EMD. Comput Methods Programs Biomed 2018; 159 :199–209.

Jung SY, Liao CH, Wu YS, Yuan SM, Sun CT. Efficiently classifying lung sounds through depthwise separable CNN models with fused STFT and MFCC features. Diagnostics (Basel) 2021; 11 : 732.

Meng F, Shi Y, Wang N, Cai M, Luo Z. Detection of respiratory sounds based on wavelet coefficients and machine learning. IEEE Access 2020; 8: 155710–20.

Gurung A, Scrafford CG, Tielsch JM, Levine OS, Checkley W. Computerized lung sound analysis as diagnostic aid for the detection of abnormal lung sounds: a systematic review and meta-analysis. Respir Med 2011;105: 1396–403.

Palaniappan R, Sundaraj K, Sundaraj S. Artificial intelligence techniques used in respiratory sound analysis: a systematic review. Biomed Tech (Berl) 2014; 59 : 7–18.

Grzywalski T, Piecuch M, Szajek M, Breborowicz A, Hafke-Dys H, Kocinski J, et al. Practical implementation of artificial intelligence algorithms in pulmonary auscultation examination. Eur J Pediatr 2019; 178 : 883–90.

Chamberlain D, Kodgule R, Ganelin D, Miglani V, Fletcher RR. Application of semi-supervised deep learning to lung sound analysis. Annu Int Conf IEEE Eng Med Biol Soc 2016; 2016 : 804–7.

Murphy RL, Vyshedskiy A, Power-Charnitsky VA, Bana DS, Marinelli PM, Wong-Tse A, et al. Automated lung sound analysis in patients with pneumonia. Respir Care 2004; 49 : 1490–7.