Fei Zhao, Athro mewn Awdioleg Gwyddor Clyw, Canolfan Therapi Iaith a Lleferydd a Gwyddor Clyw, Ysgol Chwaraeon a Gwyddorau Iechyd Caerdydd, Prifysgol Metropolitan Caerdydd. Mae wedi ennill Gwobr Deallusrwydd Artiffisial mewn Iechyd a Gofal, trwy’r Sefydliad Cenedlaethol ar gyfer Ymchwil Iechyd (NIHR), Gwobr Seilwaith Gwella Cystadleurwydd Sêr Cymru III (MA/KW/5554/19), Sefydliad Sasakawa Prydain Fawr (5826), Caerdydd Gwobr Arloesedd Ymchwil y Brifysgol Fetropolitan a Chronfa Datblygu Ymchwil ac Arloesedd yr Academïau Byd-eang, Cronfa Effaith Arloesedd Ymchwil Prifysgol Metropolitan Caerdydd. Enillodd yr Athro Zhao hefyd Wobr Cymrodoriaeth Academïau Byd-eang a Santandar 2021. Mae'r cyllid hwn yn ei alluogi i gydweithio ag ysgolhaig sy'n arwain y byd yn y maes hwn, yr Athro De Wet Swanpoel o Brifysgol Pretoria yn Ne Affrica. Bydd datblygu a gweithredu offer Deallusrwydd Artiffisial (AI) effeithiol ac anarbenigol ymhellach yn gwella hygyrchedd ac ansawdd gofal iechyd clyw byd-eang i blant sy'n byw â nam ar y clyw, yn enwedig mewn Gwledydd Incwm Isel a Chanolig (LMICs).
Otitis Media with Effusion (OME), a adwaenir yn gyffredin fel “Clust Gludiog” yw un o achosion mwyaf cyffredin nam ar y clyw ac anabledd yn ystod plentyndod. Amcangyfrifir y bydd dros 80% o blant yn cael pwl o otitis media cyn 10 oed. Oherwydd diffyg symptomau heintus clir (e.e. clustiau clust neu dwymyn) ac anawsterau wrth asesu statws clyw plant ifanc (yn enwedig gan nad oes cyfleusterau diagnostig penodol i awdioleg yn y lleoliad gofal sylfaenol), mae clust ludiog yn dod yn un o’r heriau mwyaf ar gyfer pobl nad ydynt yn dioddef o glefydau. - Gweithwyr proffesiynol ENT/Awdioleg. Mae cywirdeb diagnostig gwael yn arwain at oedi wrth wneud diagnosis a phenderfyniadau ymyrryd amhriodol, megis sicrwydd heb driniaeth briodol neu atgyfeiriad i ENT yn ddiangen gan feddygon teulu. Ymhellach ac yn peri pryder yw y gall oedi wrth ddiagnosis a rheolaeth wael arwain at OME difrifol a pharhaus gyda thriniaeth lawfeddygol yn dod yn unig opsiwn rheoli, gan arwain at amseroedd aros hir a chostau rhy uchel i’r GIG.
Ar hyn o bryd mae'r Athro Zhao yn arwain tîm ymchwil i wneud gwaith rhyngddisgyblaethol ar gyfer datblygu a gweithredu offer AI mewn gwasanaethau gofal iechyd clyw fel system cefnogi penderfyniadau clinigol. Mae eu hymchwil diweddar i AI wedi gwneud cynnydd mawr o ran dangos ei botensial ar gyfer diagnosis cywir o glust ludiog (Grais et al., 2021). Mae'r ymchwil newydd hon yn mesur amsugnedd egni'r glust ganol ar amlder a phwysau amrywiol mewn clustiau normal a chlustiau glud. Gyda'r wybodaeth hon bydd yr offer AI yn darparu diagnosis awtomataidd cywir a all gefnogi'r clinigwr yn ei broses benderfynu. Mae'r canlyniadau diweddar yn profi gallu offer AI i wneud diagnosis o glust ludiog yn awtomatig gyda chywirdeb o 95%. Bydd y gwaith hwn yn cael effaith sylweddol ac uniongyrchol ar asesiad clinigol a chysyniadau diagnostig ar gyfer clust ludiog mewn cymunedau proffesiynol, ac felly canllawiau NICE ar gyfer trin clust ludiog. At hynny, bydd allbynnau ymchwil pwysig yr ymchwil hwn yn darparu buddion hirdymor i les plant â chlust ludiog a’u teuluoedd. Yn y cyfamser, bydd system cymorth penderfyniadau clinigol AI cost isel ar gyfer diagnosis awtomataidd o glust ludiog yn darparu atebion i heriau prinder hyfforddiant arbenigol, offer anfforddiadwy, a thrwy hynny sefydlu model gwasanaeth gofal iechyd clyw cost-effeithiol a chynaliadwy, y gellid ei ddefnyddio. yn fyd-eang, yn enwedig mewn LMICs.
Cyhoeddiadau perthnasol
Grais, E.M., Wang, X.Y., Wang, J., Zhao, F., Jiang, W., Cai, Y.X., Zhang, L.F., Lin, Q.W, Yang, H.D., 2021, Analysing wideband absorbance immittance in normal and ears with otitis media with effusion using machine learning. Scientific Reports, 11:10643. doi.org/10.1038/s41598-021-89588-4
Cao ZW,Chen FF, Grais EM, Yue FJ, Cai YX, Swanepoe DW, Zhao F. Machine Learning in Diagnosing Middle Ear Disorders Using Tympanic Membrane Images: A Meta-Analysis. Laryngoscope (in press) doi: 10.1002/LARY.30291
Zeng JB, Kang WB, Chen SJ, Lin Y, Deng WT, Wang YJ, Chen GS, Ma K, Zhao F, Zheng YF, Liang, MJ, Zeng LQ, Ye WJ, Li P, Chen YB, Chen GP, Gao JL, Wu MJ, Su YJ, Zheng YQ, Cai YX. A Deep Learning Approach to Predict Conductive Hearing Loss in Otitis Media with Effusion Using Otoscopic Images. JAMA Otolaryngology (in press). doi:10.1001/jamaoto.2022.0900