XAI-Framework erkennt COPD durch Frequenzanalyse von Husten‑Spektrogrammen

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz präsentiert ein erklärbares KI‑Framework, das Hustenklänge bei chronischen Atemwegserkrankungen analysiert. Durch die Kombination von Convolutional Neural Networks (CNN) und Occlusion‑Mapping werden diagnostisch relevante Bereiche in den Zeit‑Frequenz‑Darstellungen von Husten­signalen identifiziert.

Die ermittelten Hotspots werden anschließend in fünf Frequenzsubbänder aufgeteilt, wodurch gezielte Merkmale extrahiert und verglichen werden können. Die Analyse zeigt, dass sich die spektralen Muster je nach Subband und Krankheitsgruppe unterscheiden. Besonders auffällig ist, dass das System COPD von anderen Atemwegserkrankungen sowie chronische von nicht‑chronischen Patienten anhand interpretierbarer spektraler Marker unterscheiden kann.

Die Ergebnisse liefern neue Einblicke in die pathophysiologischen Eigenschaften von Hustenakustik und unterstreichen den Nutzen einer frequenzaufgelösten, XAI‑unterstützten Analyse für die medizinische Signalinterpretation. Das Verfahren eröffnet damit Perspektiven für translational orientierte Diagnostik in der Atemwegspflege.