Stiftung Tierärztliche Hochschule Hannover (TiHo)TiHo eLib

Evaluierung des standardisierten, laufbandgestützten, submaximalen Fitnesstests an Hunden brachyzephaler Rassen zur Diagnostik des Brachyzephalen Obstruktiven Atemwegssyndroms und Implementierung von maschinellem Lernen zur objektiven Bewertung von Atemgeräuschen

Das brachyzephale obstruktive Atemwegssyndrom (BOAS) stellt eine der häufigsten Erkrankungen bei brachyzephalen Hunderassen dar und wird durch eine Vielzahl an klinischen Anzeichen in verschiedenen Ausprägungen gekennzeichnet. Betroffene Hunde zeigen eine verringerte Lebenserwartung und eine erheblich beeinträchtigte Lebensqualität, weshalb häufig medizinisches Eingreifen nötig ist. Jedoch steht die Umsetzung der erforderlichen, frühen Diagnostik dieser Erkrankung vor Herausforderungen, da sie nicht nur aufgrund der verschiedenen klinischen Anzeichen, sondern auch wegen fehlender Standardisierung und teils schwieriger Anwendbarkeit in der Praxis komplex ist. Die Verwendung von Belastungstests zur funktionalen Beurteilung hat sich bereits als vielversprechende Methode erwiesen. Allerdings wurde diese bislang nur selten standardisiert und lediglich an wenigen Rassen angewendet. Ein standardisierter, laufbandbasierter, submaximaler Belastungstest hat in Kombination mit einer funktionellen Bewertung respiratorischer klinischer Anzeichen eine hohe Aussagekraft bezüglich der Identifizierung von BOAS betroffener Möpse gezeigt. Aufgrund der Durchführung auf einem Laufband lassen sich die Hunde kontinuierlich belasten, sodass zum einen eine durchgehende Überwachung sichergestellt werden kann und zum anderen ebenso Hunde diagnostiziert werden, die nur unter Belastung erste klinische Anzeichen zeigen. Um die Übertragbarkeit des Fitnesstests zu evaluieren, wurde er an weiteren brachyzephalen Rassen angewandt. Eine mögliche Einschränkung dieser funktionellen Untersuchung ist jedoch die subjektive Bewertung der respiratorischen Anzeichen, da die Erkennung und Klassifizierung von der Erfahrung und individuellen Einschätzung der Untersuchenden abhängt. Um dem entgegenzuwirken, wurde Maschinelles Lernen, ein Teilgebiet der künstlichen Intelligenz, eingesetzt. Dabei wurde dieses zur Klassifizierung der Atemgeräusche und Vorhersage der Testergebnisse anhand aufgenommener Atemgeräusche in Form von supervised learning genutzt.

Brachycephalic obstructive airway syndrome (BOAS) is one of the most common disorders in brachycephalic dog breeds and is characterized by a variety of clinical signs in different degrees. Affected dogs show a reduced life expectancy and a significantly impaired quality of life, therefore medical intervention is often necessary. However, the implementation of the required early diagnosis of this disease is challenging, as it is complex not only because of the different clinical signs, but also due to the lack of standardization and difficult applicability in practice. The use of exercise tests for functional assessment has already proven to be a promising method. This has been rarely standardized, and only applied to a few, specific breeds. A standardized treadmill-based submaximal exercise test, in combination with a functional assessment of respiratory clinical signs, has shown high validity in identifying BOAS-affected Pugs. By performing the test on a treadmill, the dogs can be continuously exercised to ensure continuous monitoring and also to diagnose dogs that only show initial clinical signs when exercised. To evaluate the transferability of the fitness test, it was applied to different brachycephalic breeds. However, a potential limitation of this functional examination is the subjective assessment of the respiratory signs, as the recognition and classification depend on the experience and individual assessment of the examiner. Machine learning, a field of artificial intelligence, was used to counteract this. To classify the respiratory sounds and predict the test results based on recorded breathing noises, the form of supervised learning was applied.

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction: