Фото фарингита в горле: Какие симптомы у фарингита? Как и чем лечить его у детей и взрослых? На сайте “Медюнион”

Гранулезный фарингит: описание болезни, причины, симптомы, стоимость лечения в Москве

Гранулезный фарингит – это патология, затрагивающая слизистую оболочку глотки и приводящая к разрастанию лимфоидной ткани, из-за чего на поверхности образуются гранулы. Болезнь имеет склонность к частым не длительным ремиссиям и обострениям. Без своевременного лечения высок риск развития осложнений заболевания.

Гранулезный фарингит относится к хроническим заболеваниям, и врачами классифицируется как одна из разновидностей гипертрофического фарингита. Иногда патологию называют гранулематозный фарингит. Встречается болезнь в любом возрасте, но чаще у взрослых, так как они склонны меньше внимания уделять своему здоровью, перенося различные вирусные инфекции на ногах и не пролечивая больное горло полноценно. Именно самолечение при острой форме воспаления слизистой глотки в большинстве случаев и становится предпосылкой для перехода патологии в хроническую форму.

Причины

Заболевание достаточно часто носит наследственный характер и диагностируется у близких родственников. Связано это, по мнению врачей, с генетическими особенностями строения тканей глотки и их чувствительностью к возбудителям воспаления. Болезнь полиэтиологическая. Для ее появления требуется сочетание сразу нескольких провоцирующих факторов, один из которых является наследственным, второй – эндогенным и третий – экзогенным.

Риск возникновения патологии повышают следующие провоцирующие факторы:

  • хронические воспалительные процессы в полости глотки и носа;

  • нарушение носового дыхания, которое заставляет человека дышать ртом;

  • постоянное выраженное раздражение слизистой глотки табачным дымом, рядом лекарственных препаратов, алкоголем или острой пищей;

  • травматические повреждения носовой перегородки;

  • наличие не леченых кариозных зубов;

  • заброс желудочного сока в пищевод;

  • нарушения обменных процессов в организме;

  • болезни внутренних органов;

  • значительное понижение иммунитета;

  • повышенная склонность к аллергическим реакциям с поражением слизистой глотки;

  • работа на вредном производстве, при которой приходится вдыхать пары агрессивных или токсичных химических веществ;

  • ненадлежащее качество вдыхаемого воздуха – чрезмерно сухой, пыльный или загрязненный, он серьезно нарушает состояние слизистой.

Достаточно часто болезнь дает рецидив на фоне сильного переохлаждения организма, когда из-за этого отмечается стремительное понижение иммунитета.

Формы

Несмотря на то что болезнь носит преимущественно хронический характер, изредка гранулезный фарингит может стартовать в острой форме сразу после того, как на горло оказывалось сильное негативное воздействие. В этом случае вначале появляется интоксикация организма и после развивается симптоматика проблем с горлом. В такой ситуации, если не начать срочного лечения, заболевание будет сохраняться на протяжении 2-3 месяцев и перейдет в хроническую форму. Случаи острой формы гранулезного фарингита единичны и обычно отмечаются у лиц, работающих на вредном производстве, после серьезного нарушения правил безопасности. Гранулезный фарингит симптомы в этом случае имеет более выраженные.

Также иногда врачи классифицируют заболевание по причинам его развития. Такое разделение используется не часто из-за того, что при хронической форме болезни точно установить первоначальную причину ее развития достаточно сложно.

Прогноз

Если человек при первых же признаках болезни обращается за врачебной помощью, то прогноз для него является благоприятным. Лечение позволяет полностью устранить болезнь в острой форме и стабилизировать хронический фарингит, максимально продлив периоды ремиссии. Также при полноценной терапии удается предупредить развитие осложнений.

Если же обращение к врачу было запоздалым, когда болезнь зашла далеко и начали развиваться осложнения, то в зависимости от того какие из них имеют место, прогноз может быть от относительно благоприятного до плохого. Последний имеет место, если выявлены раковые клетки в слизистой. Учитывая это, откладывать лечение и надеяться на то, что горло пройдет само, не следует.

Какой врач лечит

Гранулезный фарингит, лечение которого проводится отоларингологом, может потребовать привлечения и иных специалистов. В том случае если обнаруживается, что заболевание возникло по причине аллергии, патологий желудочно-кишечного тракта или нарушений обменных процессов, то к лечению привлекаются профильные специалисты для устранения проблемы, которая провоцирует появление воспаления глотки. Таким образом, в лечении могут участвовать аллерголог, эндокринолог или гастроэнтеролог.

Когда выявляется присутствие злокачественных клеток в тканях слизистой глотки, пациента направляют на лечение к врачу онкологу. В этом случае проводится терапия ракового процесса, а фарингит при необходимости пролечивают только для снятия симптомов болезни.

Если в местном медицинском учреждении нет отоларинголога, следует обращаться к терапевту взрослым больным и педиатру детям. Эти врачи общего профиля смогут оказать необходимую помощь при гранулезном фарингите.

Заразно ли заболевание

Заразность болезни зависит от того, какую природу она имеет. Если изначально патология появляется по причине бактериальной или вирусной инфекции, то после перехода воспаления в хроническую форму патогены остаются в слизистой. Их больной каждый раз в момент обострения болезни выделяет в окружающую среду, заражая других людей. Заболевание, появившееся из-за аллергической реакции, болезней внутренних органов или воздействия химических раздражителей, не может передаваться от человека к человеку и заразным не является. К незаразной форме относится и гипертрофический фарингит, который развился как осложнение на фоне отсутствия лечения острой формы болезни. В этом случае, даже в момент сильного обострения, заразиться болезнью нельзя.

Диагностика

Диагностика болезни обычно не представляет сложностей. Патология хорошо известна врачам, и ее внешние признаки позволяют уже на первом приеме определить процесс в хронической или острой форме. Изучив фото больного горла, часто даже немедик может понять, что происходит с глоткой. При обращении пациента врач проводит сбор анамнеза и фарингоскопию (визуальное изучение тканей глотки). При этом сразу выявляются образования на слизистой, которые могут состоять не только из разросшейся лимфоидной ткани, но также эпителиальных клеток и лейкоцитов.

Кроме внешнего осмотра, дополнительно в большинстве случаев показано проведение мазка из глотки с дальнейшим посевом на питательную среду для выявления возбудителя и общего анализа крови, который позволяет установить степень воспаления.

При подозрении на наличие рака проводится биопсия тканей слизистой глотки с дальнейшим их исследованием. Также в этом случае необходим биохимический анализ крови. Такое обследование проводится онкологом.

Профилактика

Профилактика помогает снизить вероятность развития воспалений слизистой глотки, а также помогает продлить периоды ремиссии болезни. Врачи в качестве защитных мер против болезни рекомендуют следующее:

  • предупреждение общего и местного переохлаждения;

  • прием поливитаминных комплексов в осенний и весенний периоды;

  • поддержание достаточной влажности воздуха в помещении;

  • использование средств индивидуальной защиты при работе на вредном производстве.

Также к профилактике появления гранулезной формы болезни относится и своевременное и полноценное лечение любого острого фарингита. Существуют целые форумы, на которых обсуждаются методы предупреждения обострения болезни.

Дополнительно поддерживает защитные силы организма и правильный образ жизни.

Гранулёзный фарингит – ЛОР. 3D томография

Гранулёзный фарингит является разновидностью гипертрофического фарингита. Данное заболевание представляет собой воспаление глотки. При гранулёзной форме на поверхности глотки (на задней её стенке) образуются некие гранулы, которые состоят из частичек разросшейся лимфоидной ткани, а также бактерий, омертвевших клеток ткани и лейкоцитов. При фарингоскопии это выглядит в виде отдельных красных зерен, разбросанных по задней стенке глотки. Образовавшиеся гранулы, имеющие большие размеры, могут вызывать раздражение нервных окончаний, что сделает течение болезни ещё более явным и острым.

Причины гранулёзного фарингита

  • Воспалительные заболевания верхних дыхательных путей или носоглотки.
  • Вирусные, грибковые или бактериальные инфекции.
  • Аллергические реакции.
  • Заброс в глотку кислого содержимого желудка через пищевод (такое возможно при гастроэзофагеальном рефлюксе).
  • Постоянное раздражение слизистой оболочки глотки агрессивными веществами (алкогольные напитки, острая, солёная или кислая пища, табачный дым).
  • Негативные факторы окружающей среды, например, сухой, пыльный или загрязнённый воздух.
  • Наследственный фактор (хронический гранулёзный фарингит чаще всего возникает у членов одной семьи или у родственников, особенно при постоянном влиянии негативных факторов).
  • Некоторые эндокринные заболевания (сахарный диабет, нарушение функции щитовидной железы).

Симптомы гранулёзного фарингита

  • Чувство дискомфорта при глотании.
  • Жжение, сухость, ощущение першения и присутствия инородного тела, особенно по утрам.
  • Скопление в большом количестве вязкого слизистого отделяемого, которое вызывает своим присутствием раздражение и необходимость постоянного откашливания и отхаркивания.
  • При раздражении нервных окончаний может возникать сухой приступообразный кашель.
  • Постоянная или периодическая головная боль.

Способы лечения гранулёзного фарингита

  • Главное – выявить и устранить причины заболевания (хронический насморк, гнойные заболевания придаточных пазух носа, кариес, заболевания желудочно-кишечного тракта, эндокринной системы и другие заболевания верхних дыхательных путей).
  • Полоскание горла отварами трав (ромашки, календулы, шалфея, липы), растворами прополиса, мёда, эфирных масел (туи, эвкалипта, лаванды). Использование солевых растворов может привести к ещё большему раздражению и разрастанию тканей.
  • С помощью хирургического лазера под местной анестезией в течение одной процедуры удаляются гипертрофированные лимфоидные гранулы, увеличенные боковые валики на слизистой оболочке задней стенке глотки.
  • Прижигание гранул раствором йода, протаргола, колларгола, 3-5-10% раствором нитрата серебра.
  • Физиотерапевтические процедуры, такие как лазерная терапия, электрофорез.
  • Использование местных антибактериальных, противогрибковых или противовоспалительных средств, таких как «Биопарокс», «Ангилекс», «Хлоргексидин», «Декасан» и прочие.
  • Ингаляции с использованием отваров трав, физиологических растворов, эфирных масел и минеральной воды. Паровые ингаляции нежелательны, лучше использовать специальный прибор – небулайзер.
  • Отказ от употребления спиртных напитков и курения.
  • Из рациона на время лечения исключить острые, солёные, кислые продукты, а также слишком холодную или горячую пищу. Обильное питьё (оно позволит сделать более жидкой и быстрее вывести слизь).
  • Воздух в помещении должен быть чистым и увлажнённым, поэтому должна регулярно проводиться влажная уборка и при необходимости использоваться увлажнитель.
  • Витаминотерапия – особенно важны витамины группы А, Е и В.

Для записи на консультацию к Доктору ЛОРу позвоните в рабочее время по телефону:
+38 099 611 25 25
и получите ответы на все вопросы

(приём у доктора ведётся только по предварительной записи)

Будьте здоровы!

Напоминаем, что указанная на сайте информация не заменяет консультацию доктора, а только поддерживает и дополняет её

Что такое фарингит, его виды и симптомы. Общие принципы лечения

Симптомы и лечение фарингита у детей и взрослых

Фарингит – воспалительный процесс слизистой глотки, характеризующийся специфическими симптомами. Может протекать в острой и хронической форме, имеет разные виды. Нужно знать симптомы фарингита у взрослых и детей, чтобы своевременно диагностировать заболевание и начать лечение.

Основные симптомы фарингита

Самым ярким признаком заболевания является боль в глотке, которая приобретает особую интенсивность при глотании. Также отмечаются:

  • повышение температуры тела;
  • постоянное першение в горле;
  • повышенная утомляемость и слабость.

Нередко присутствуют болевые, дискомфортные ощущения в ушах. Еще один важный признак – кашель с выходом небольшого количества мокроты. Этот симптом присущ хроническому фарингиту, причем мокрота постоянно присутствует на задней стенке глотки – больной ее сглатывает, что приводит к еще большему раздражению слизистой.

При осмотре глотки больного врач может дифференцировать виды воспалительного процесса:

  • гранулезный фарингит – на задней стенке глотки формируются небольшие выпуклости, поверхность слизистой красная;
  • острый – глотка красная, присутствует незначительный белесый налет;
  • хронический – слизистая разрыхленная, слегка красноватая, могут присутствовать единичные высыпания;
  • атрофический – слизистая истонченная, может быть серовато-белого оттенка.

Лечение фарингита у детей и взрослых

Если воспаление глотки протекает в легкой степени и общее самочувствие больного остается практически неизменным, то достаточным будет проведение минимальных терапевтических мероприятий. Например, ингаляции при фарингите без повышения температуры тела, полоскание горла отварами лекарственных трав и раствором пищевой соды. Рекомендации по лечению воспаления глотки разного вида:

  1. Как вылечить гранулезный фарингит. При таком виде воспаления всегда присутствует высокая температура тела. Поэтому сначала больному проводится симптоматическая терапия – назначают жаропонижающие средства, нестероидные воспалительные препараты. Параллельно проводится местное лечение – орошение слизистой, смазывание ее антисептическими средствами, полоскание.
  2. Острый фарингит. Он всегда развивается агрессивно. Больной жалуется на нестерпимую боль в глотке, приступообразный кашель, высокую температуру тела. Целесообразно при таком заболевании сразу назначать интенсивную терапию. Антибиотики при остром фарингите – единственно эффективное назначение.
  3. Как лечить хронический фарингит. Медикаментозная терапия назначается только в периоды обострения патологии. Во время ремиссии пациент должен проводить профилактику – периодическое полоскание горла отваром ромашки или шалфея, прием витаминов, употребление чая с калиной и малиной. При грамотном проведении профилактики обострения происходят крайне редко.
  4. Лечение фарингита у детей протекает без назначения антибиотиков. В таком возрасте воспаление носит острый характер, но протекает в легкой степени. Обычные ингаляции (если нет повышенной температуры), полоскания и обработка слизистой антисептическими растворами буквально на вторые-третьи сутки нормализуют состояние ребенка.

Многих интересует, чем лечить кашель при фарингите у взрослых. Этот признак часто свидетельствует о хроническом воспалительном процессе, поэтому лечение будет продолжительным. Наиболее эффективны таблетки и пастилки Фарингосепт, Стрепсилс, Септолете. Одновременно снять боль и облегчить кашель помогает Люголь спрей.

Существует ряд видов фарингита, которые требуют лечения в лечебном учреждении. Например, если причиной развития воспаления глотки стали вирусы. В этом случае потребуется проведение лабораторного исследования мазка со слизистой глотки. Это поможет выявить истинного возбудителя патологии и назначить грамотную терапию. Средства лечения вирусного фарингита подбираются в индивидуальном порядке. Лечение проводится в течение 15–21 дня. Так как это антибактериальные препараты, необходимо контролировать состояние микрофлоры кишечника.

Возможные осложнения

Самое частое осложнение – трансформирование острой формы фарингита в хроническую. Но если признаки заболевания игнорируются, грамотной терапии не проводится, то возможно развитие:

  • заглоточного абсцесса – часто диагностируется, если горло при атрофическом фарингите не обрабатывалось антисептиками и не восстанавливалось после обострения болезни;
  • ларингита;
  • бронхита хронической формы;
  • ревматизма сустава – осложнение вирусного фарингита;
  • трахеита.

Все данные о вариантах течения воспаления глотки, отличиях субатрофического фарингита от других видов заболевания можно получить на нашем сайте https://www.dobrobut.com/.

Связанные услуги:
Консультация отоларинголога
ЛОР-комбайн

диагностика симптомов фарингита на ранних этапах в Одессе

Лечение фарингита

Для диагностики и лечения в клинике ЛОРИКА используется современное оборудование и эффективные методики, доказавшие свою результативность. Терапия направлена как на снятие симптомов, так и на борьбу с причинами воспаления.

Обычно в лечение входят:

  • противовирусные средства;
  • полоскания растворами, снимающими раздражение;
  • местные антисептические препараты для рассасывания или в виде спреев.

В случае если у пациента наблюдается жар, могут быть прописаны нестероидные противовоспалительные средства. К помощи антибиотиков прибегают только в крайнем случае.

Оториноларинголог учитывает индивидуальные особенности организма пациента и также устанавливает причину, приведшую к развитию заболевания. Если ЛОР-патология вызвана аллергеном, назначаются антигистаминные средства. Они быстро снимают отек тканей и восстанавливают нормальную работу слизистой.

Для быстрого восстановления здоровья пациентам рекомендуется поменять привычный режим дня:

  • отказаться от высоких физических, интеллектуальных и психоэмоциональных нагрузок, по возможности соблюдать постельный режим;
  • исключить из рациона продукты, раздражающие горло: острую и соленую пищу, газированные напитки, хлеб грубого помола, сырые овощи и фрукты. Лучше употреблять пюре, крем-супы с минимальным количеством специй. Снять симптомы помогает теплое питье;
  • отказаться от вредных привычек: курения и употребления алкоголя;
  • не допускать переохлаждения, по возможности не бывать в местах с холодным, пыльным, сухим воздухом.

Следуя рекомендациям, разработанными отоларингологами клиники ЛОРИКИ, вы быстро поправитесь и вернетесь к привычной активности. После выздоровления потребуются несложные профилактические меры:

  • укрепление иммунитета: умеренные физические нагрузки, прогулки в парках, к морю;
  • прием витаминов;
  • полноценный отдых.

Как лечить фарингит у детей?

В целом схема терапии похожа на приведенную выше. Однако в детском возрасте фарингит протекает тяжелее, растет риск развития осложнений. Поэтому так важно вовремя побывать на приеме у детского оториноларинголога.

Фарингит: лечение, симптомы у детей и взрослых

Фарингит — это воспаление внутреннего слизистого слоя и лимфоидных включений глотки (лат. рharynx). Глотка представляет собой полую трубку, соединяющую ротовую и носовую полости с гортанью и пищеводом. Лечением фарингита у детей и взрослых занимается врач-отоларинголог.

Почему возникает фарингит

Воспалительную реакцию на слизистой оболочке глотки могут вызвать:

  • воздействие слишком холодного или горячего воздуха;
  • контакт с агрессивными химикатами;
  • слишком пыльная и загрязненная атмосфера;
  • курение как частный случай вдыхания токсинов;
  • травматические повреждения слизистой в результате операционных вмешательств или извлечения из глотки инородных предметов.

Очень часто причиной становится инфекция. Вызывать воспаление могут как бактерии (преимущественно стрепто- и стафилококки), так и вирусы и даже грибы (например, рода Candida). Инфекционные агенты могут сразу поражать слизистую глотки или распространяться на нее из зубов и носовых пазух. Поэтому для избавления от фарингита необходимо сначала уничтожить сторонние инфекционные очаги.

Помимо прямых причин воспалению могут способствовать:

  • снижение иммунитета;
  • дефицит витаминов;
  • патологии пищеварительного тракта и печени;
  • сердечно-сосудистая, почечная и легочная недостаточность;
  • затрудненное носовое дыхание;
  • аллергические нарушения;
  • расстройства эндокринной системы.

Какие бывают формы фарингита

Симптомы и лечение фарингита у взрослых и детей различаются в зависимости от формы протекания патологии у пациента. Воспаление слизистой оболочки глотки может быть острым или хроническим.

Острый фарингит часто развивается в результате химических и термических ожогов, массивных и инфекционных заражений

Хронический фарингит — это результат недолеченного острого воспаления. Как отдельная патология он возникает при долгом контакте слизистой с медленно действующими раздражающими факторами. Среди них нужно особо отметить курение, загазованную и пыльную атмосферу промышленных городов, а также профессиональные вредности. По статистике хронический фарингит выявляют у 7–8% взрослого населения. Это заболевание — наиболее распространенный диагноз при обращении к отоларингологам «СМ-Клиника».

Выделяют три формы хронического фарингита:

1. Катаральная.

В этом случае воспаление слизистой оболочки глотки никак не изменяет структуру ее тканей. Обычно эта форма развивается на начальных этапах хронического фарингита.

3. Атрофическая.

При данном нарушении слизистая оболочка глотки становится со временем все более тонкой, страдает ее секреторная функция. Эта форма фарингита особенно опасна развитием различных инфекционных осложнений, поскольку патогенным микроорганизмам теперь намного проще прикрепиться к клеткам эпителия, не защищенным слизью. Атрофический фарингит характерен в первую очередь для курильщиков.

3. Гипертрофическая.

Здесь воспаление поражает преимущественно лимфоидную ткань на задней стенке глотки, вызывая ее покраснение, разрастание и отечность. Может также отмечаться увеличение размеров миндалин и лимфатических узлов, расположенных в области шеи.

Симптомы фарингита

Общие признаки воспалительного поражения слизистого слоя глотки — это:

  • першение и сухость в горле;
  • болезненность при глотании;
  • ощущение инородного тела в горле;
  • непродуктивный кашель (без откашливания).

При острой форме патологии все эти признаки имеют большую интенсивность, чем при хронической. Боль из глотки может отдавать в ухо, скулу и нижнюю челюсть. Также чаще всего наблюдается повышение температуры в пределах 38 °С, появляется слабость, вялость и утомляемость. При активном инфекционном процессе нередко отмечается увеличение шейных и околоушных лимфатических узлов. Симптоматика нарастает очень быстро, выходя на пик в течение 12 часов после первого недомогания.

Хронический фарингит характеризуется периодами обострения и ремиссии. В ремиссии пациент чувствует себя относительно неплохо, сохраняется лишь дискомфорт в гортани. Больные жалуются на комок в горле, вызывающий желание откашляться. Это спровоцировано слизью, которая накапливается на задней стенке глоточной трубки и ощущается как инородное тело. Избавиться от этого чувства пациенты пытаются несильным покашливанием. Классическим примером служит кашель курильщика.

В фазе обострения хронический фарингит напоминает острый, но проявления обычно выражены не так резко. В отличие от острой формы нет повышения температуры и существенного ухудшения состояния. Зато хронический характер заболевания приводит к частым ОРВИ, постоянной заложенности носовых ходов, а следовательно, к дыхательным нарушениям, особенно во время сна.

Рекомендации при появлении фарингита у взрослых и детей

Болезненность и сухость, как первые симптомы острого воспалительного процесса, можно облегчить:

  • обильным употреблением теплой жидкости;
  • полосканиями с солевыми растворами или антисептиками;
  • использованием обезболивающих препаратов в форме таблеток для рассасывания;
  • активным увлажнением воздуха в комнате.

Неосложненный острый фарингит не всегда требует медицинского вмешательства. При грамотном подходе можно самостоятельно справиться с симптоматикой и добиться полного выздоровления. Но абсолютным критерием для посещения врача, особенно при лечении фарингита у детей, служит появление дыхательных нарушений.

Если воспалительная симптоматика не стихает 48 часов, и после начала активной терапии вы отмечаете нарастание болевых ощущений, также необходимо обратиться к отоларингологу. Если вовремя не принять интенсивных лечебных мер, риск развития серьезных осложнений возрастает. Воспаление трахеи, среднего уха или бронхиального дерева, а также гнойных абсцессов на миндалинах или в заглоточном пространстве потребуют хирургического вмешательства.

Как лечат фарингит отоларингологи «СМ-Клиника»

Основа лечения острого неосложненного фарингита — это симптоматическая терапия:

  • теплое питье;
  • ингаляции и полоскания с противовоспалительными и анестезирующими соединениями, например, ментолом;
  • нанесение на слизистую оболочку глотки антисептиков;
  • физиотерапевтические мероприятия;
  • диета с исключением острых, слишком горячих или слишком холодных блюд.

Антибиотики при остром фарингите назначают только в случаях, если микробиологический анализ мазка из глотки подтвердил бактериальную природу заболевания. Часто в системном использовании таких препаратов (таблетки, внутримышечные инъекции) нет необходимости. Местного применения неспецифических противомикробных средств (раствора хлоргексидина, эфирных масел, лекарственных растений, препаратов календулы, эвкалипта и ромашки) оказывается достаточно.

При существенном повышении температуры тела показана жаропонижающая терапия. В более серьезных случаях, при нарастающем отеке слизистой и аллергических реакциях, назначают антигистаминные препараты.

Для лечения хронического фарингита у взрослых важнейшее значение имеет образ жизни. Необходим безусловный отказ от курения, изменение рациона питания пациента, забота о температурном режиме. Обязательно нужно избавиться от других очагов инфекции в организме, санировать ротовую полость. Для лечения вялотекущих воспалительных явлений на слизистой глотки иногда используют курсовой прием кортикостероидов. При гипертрофической форме хронического фарингита врачи «СМ-Клиника» могут выполнить прижигание разросшихся лимфоидных тканей жидким азотом или электрической петлей.

Фарингит

Виды

На сегодняшний день выделяют несколько видов фарингита, классификация которых зависит от причин его возникновения. Так, существуют:

  • Гранулезный фарингит.
  • Субатрофический.
  • Гипертрофический.
  • Гонококковый.
  • Вирусный фарингит.

У каждого из них своя природа возникновения, и методы лечения.

Гранулезный фарингит

Одним из самых тяжелых в лечении принято считать гранулезный фарингит. При таком заболевании одновременно с воспалением слизистой глотки возникает ее отек, а также гиперемия. При несвоевременном обращении к специалистам из отмирающих клеток эпителия, патогенной флоры и лейкоцитов образуются фиброзные пленки, которые, в свою очередь, постепенно превращаются в гранулы.

Образовавшиеся гранулы способствуют раздражению троичного нерва, который вызывает приступы кашля.

Такое заболевание может возникнуть из-за следующих факторов:

  • Наследственность.
  • Аллергические реакции.
  • Искривление носовой перегородки.
  • Заложенность и отек слизистой носа.
  • Заболевания верхних дыхательных путей.
  • Болезни почек и сердца.

В запущенных стадиях гранулезный фарингит приводит к атрофии слизистой и проблемам с органами дыхания.

Субатрофический фарингит

Субатрофический фарингит обычно не сопровождается ни высокой температурой тела, ни серьезным ухудшение самочувствия. Основные симптомы касаются першения и неприятных ощущений в горле.

Чаще всего такое заболевание развивается у тех, кто вынужден часто контактировать с лаками, красками, пылью различного происхождения, в том числе и промышленной, химическими препаратами.

Кроме этого, возникновению атрофического фарингита способствуют заболевания, сердечно-сосудистой системы, диабета, болезни органов дыхания и ЖКТ: гастрит, холецистит, панкреатит, а также вредные привычки: употребление спиртосодержащих напитков и табакокурение.

Вылечить заболевание без устранения первоначальных причин его возникновения достаточно сложно. Данную проблему необходимо решать только в комплексе.

Гипертрофический фарингит

Плохая экология и загрязнение воздуха различными химическими раздражителями могут стать причиной возникновения гипертрофического фарингита.

Бактериальные микроорганизмы поражают небную часть глотки, вследствие чего в тканях начинаются гипертрофические процессы.

Заболевание сопровождается высокой температурой тела, боли в горле при глотании, першении, выделении мокроты. Кроме этого, у пациента могут закладывать уши. Изо рта появляется резкий отталкивающий запах.

Гонококковый фарингит

Как можно догадаться из названия, возбудителем данного заболевания являются гонококк, в народе называемый гонореей. Заражение происходит при незащищенных орогенитальных половых контактах. Чаще всего инфекция проникает в ткани языка, десен, миндалин, небных дужек.

Обнаружить заболевание достаточно сложно, оно может протекать совершенно бессимптомно и выявляется только после бактериологического исследования. Пациент ощущает только сухость в горле и изредка першение. Кроме этого, появляется кровоточивость десен и неприятный запах изо рта. Все эти симптомы могут быть приняты за любое другое заболевание.

Однако при осмотре, специалист обратит внимание на желто-серый налет, отечность слизистой, гиперемию.

Вирусный фарингит

Возбудителями такого заболевания являются различные вирусы, чаще всего это:

  • Грипп и парагрипп.
  • Риновирус.
  • Коронавирус.
  • Аденовирус.
  • Герпес.
  • Цитомегаловирус и прочие.

Вызывающие данный вид фарингита вирусы могут передаваться как воздушно-капельным путем, так и через предметы. От ребенка к ребенку заболевание передается через игрушки или канцелярские принадлежности.

Кроме стандартных симптомов, заболевание сопровождается вялостью, потливостью, увеличением подчелюстных лимфоузлов, отсутствием аппетита. Болезненные ощущения могут отдавать в область уха.

При таком виде заболевание, одновременно могут наблюдаться синусит, фарингит, тонзиллит.

У многих возникает вопрос, фарингит заразный или нет? Само заболевание не передается от человека к человеку, а вот его возбудители, к примеру, вирусы, наоборот, переносятся воздушно-капельным путем.

Лечение фарингита

Заниматься самостоятельным лечением при фарингите ни в коем случае нельзя. Заболевание достаточно быстро переходит в хроническую форму, дальнейшее лечение которой существенно затрудняется.

При первых признаках болезни следует обратиться к специалистам. Только грамотный медик сможет правильно поставить диагноз и назначить адекватное лечение.

Медицинский центр «Клиника К+31» имеет все необходимое для диагностики оборудование, а его специалисты – опыт, который дает возможность распознать болезнь даже на ранних стадиях и свести риск возникновения осложнений к минимуму.

Фарингит: причины, симптомы, диагностика и лечение

Что такое фарингит?

Это воспалительный процесс в глотке, затрагивающий слизистую оболочку и лимфоидную ткань. Острый вирусный фарингит — одна из форм ОРВи – все начинается с першения в горле, затем возникает боль, усиливающаяся при глотании. Также пациента беспокоит ощущение отечности глотки, сухой кашель. Увеличиваются лимфоузлы, появляется слабость и недомогание. При тщательном осмотре врач может обнаружить гнойно-слизистый налет. Когда развился фарингит, лечение нужно начинать сразу, чтобы не допустить осложнений.

Виды и причины фарингита

Чаще всего заболевание проявляется, когда в гортани образуется инфекция, она может возникнуть от переохлаждения, вдыхая холодный воздух. Также возможны другие причины:

  • Вирусные инфекции
  • Стафилококки и другие патогенные микроорганизмы
  • Грибковые инфекции типа Candida
  • Раздражение химическими веществами и их парами
  • Принятие слишком горячей или холодной пищи
  • Перенапряжение мышц глотки – частая проблема людей, которые много говорят на работе (лекторов, преподавателей, экскурсоводов, певцов

Также частым причинами дискомфорта в горле могут быть болезни, не связанные с ЛОР-заболеваниями, например: 

  • Рефлюксная болезнь
  • Изжога
  • Заброс содержимого желудка в пищевод
  • Патология шейного отдела позвоночника
  • Патология щитовидной железы

Помимо этого частым явлением является аллергический фарингит. Он проявляется как реакция на определенные продукты или вещества, а также при укусах насекомых, контакте с домашними животными.Особенностями аллергического фарингита являются : отечность мягких тканей, зуд и раздражение.

По форме протекания фарингит бывает острый и хронический. В первом случае симптоматика явно выражена за счет агрессивного воздействия инфекции на глотку. Если болезнь не лечить, она переходит в хроническую фазу, появляющуюся периодически. Поэтому не нужно откладывать лечение фарингита – следует соблюдать все рекомендации врача.

Острый фарингит

Острая фаза развивается в основном из-за действия вирусов. Инфекция поражает ткани глотки, вызывая выраженную симптоматику. Острый фарингит доставляет человеку огромный дискомфорт и чреват высоким риском осложнений. Как минимум, болезнь может перейти в хроническую форму, либо же «переброситься» на другие органы, например, нос или уши. Однако если врач вовремя диагностировал острый фарингит, лечение позволяет полностью убрать очаг воспаления и исключить риск рецидива.

Хронический фарингит

Эта стадия развивается, когда лечение заболевания в острой фазе отсутствовало или было неправильным. Обострение и ремиссия сменяют друг друга, а симптоматика проявляется менее выраженно. Больной чувствует некоторый дискомфорт в горле, недомогание. Хронический фарингит бывает трех видов:

  • Катаральный – слизистая оболочка горла утолщена, и на ней наблюдается покраснение.
  • Атрофический – характеризуется сухостью и бледностью покровов, при этом на них проступают лимфатические гранулы и кровеносные сосуды.
  • Гипертрофические – отличается устойчивым покраснением горла, утолщением и расширением кровеносных сосудов.

Когда болезнь перешла в хронический фарингит, лечение необходимо комплексное. Оно довольно сложное и порой длится годами. Поэтому желательно не запускать заболевание и обращаться к врачу при появлении его первых симптомов.

Как проявляется болезнь?

Симптомы фарингита обычно следующие:

  • Затрудненное дыхание
  • Боль в горле
  • Отек
  • Увеличенные лимфоузлы
  • Покраснение глотки
  • Сухой кашель
  • Повышение температуры

Именно так проявляется острый фарингит человек становится вялым и сонливым, чувствует сильный дискомфорт в горле. В некоторых случаях может проявиться стенозирующий эффект с мышечными спазмами и ложным крупом. Симптомы фарингита в хронической фазе слабо выражены. Он протекает без высоких температур, а катальные ощущения проявляются слабо – человек просто чувствует дискомфорт в горле. Несмотря на это, хронический фарингит – серьезная болезнь, способная дать осложнения.

Фарингит у детей

Детский организм довольно уязвим перед инфекциями и прочими негативными факторами. Поэтому фарингит у детей проявляется довольно часто. При этом симптоматика очень обострена. В большинстве случаев развивается острый стеноз, которые проявляется в основном по ночам. Также может повышаться температура вплоть до 38-39°, а боль очень сильная и отдает в шею, ухо, голову.

Фарингит у детей требует помощи квалифицированного врача. При этом меры терапии нужно подбирать аккуратно, чтобы не перегрузить детский организм сильнодействующими лекарствами. Но главное, чего делать категорически нельзя – лечиться народными средствами,а также нецелесообразно назначать антибиотики, так как это вирусная патология. Особенно делать это самостоятельно, так как это большая нагрузка на организм, можно нарушить флору и развить резистентность. Это может привести либо к обострению заболевания, либо к тому, что фарингит у ребенка перейдет в хроническую фазу.

Диагностика

Заболевание определяется ЛОР-врачом после опроса пациента, сбора анамнеза и осмотра. Для обследования доктор проводит осмотр в правильном положении пациента: слегка отдавливает язык, чтобы он не перекрывал обзор, осматривает стенку, нижние отделы носоглотки, дужки миндалин, миндалины — это необходимо для дифференциальной диагностики. Также он берет бактериологические посевы из горла, чтобы выяснить характер инфекции особенно это важно при хроническом процессе, чтобы не просто убрать симптомы и назначать лекарства “наугад”, а бороться с причиной патологии. В процессе осмотра оценивается состояние слизистой оболочки – наличие покраснения, утолщения и отложений.  Врач проводит полноценный осмотр ЛОР-органов, чтобы исключить сопутствующие заболевания, контролирует патологию и пальпирует лимфоузлы. По результатам диагностики назначается лечение фарингита.

Лечение в ЛОР-центре «Беттертон»

Обратившись в наш центр, вы получите квалифицированную врачебную помощь. Диагностика здесь проводится с высокой точностью благодаря использованию современных фарингоскопов. По ее результатам наш отоларинголог назначит необходимые меры терапии. Если обнаружен острый фарингит, лечение включает в себя комплексный прием лекарственных препаратов:

  • Противовоспалительных
  • Антибиотиков
  • Жаропонижающих
  • Болеутоляющих

Также назначаются полоскания глотки специальными антисептическими растворами или отварами трав. Если болезнь перешла в хроническую форму, вылечить ее будет сложнее.  Здесь наряду с медикаментозной терапией потребуются физиопроцедуры и другие меры, выбранные лечащим врачом. Поэтому желательно не запускать болезнь, а еще лучше – предупредить ее появление.

Профилактика

Главное правило – избегать переохлаждений и укреплять иммунитет. Профилактика болезни включает комплекс эффективных мер:

  • Закаливание
  • Исключение курения и алкоголя
  • Увлажнение воздуха в жилом помещении и на рабочем месте
  • Сбалансированное и правильное питание

Еще обязательное условие – частая смена зубной щетки. На ней обитает много микробов, создающих патологическую среду. В любой момент инфекция может попасть в горло и спровоцировать воспалительный процесс. Также в профилактических целях полезно будет слегка приподнять изголовье кровати, чтобы избежать выброса желчи в горло. Ведь она раздражает слизистую оболочку, делая ее уязвимой для инфекций.

Возможные осложнения

Если не лечить фарингит или делать это неправильно, он может перейти в хроническую форму. Помимо этого есть риск, что воспаление дойдет до нижних дыхательных путей и затронет трахею, бронхи, легкие. Также  под угрозой находятся уши и слуховые трубы. Из более серьезных осложнений можно назвать абсцесс, шейный лимфаденит, острый суставной ревматизм. Обратившись в ЛОР-центр «Беттертон», вы получите профессиональную врачебную помощь и сможете избежать осложнений и рецидивов.

Фарингит: основы практики, история вопроса, патофизиология

  • Sykes EA, Wu V, Beyea MM, Simpson MTW, Beyea JA. Фарингит: подход к диагностике и лечению. Кан Фам Врач . 2020 Апрель 66 (4): 251-7. [Медлайн]. [Полный текст].

  • Alcaide AL, Bisno AL. Фарингит и эпиглоттит. Инфекция Dis Clin North Am . 2006. 21: 449-469.

  • Твефик Т.Л., Аль Гарни М. Тонзиллофарингит: основные клинические данные. Дж. Отоларингологии . 2005. 34:

  • .
  • Мостов ПД. Лечение иммунокомпетентного пациента с инфекцией верхних дыхательных путей: фарингитом, синуситом и бронхитом. Prim Care . 2007 марта 34 (1): 39-58. [Медлайн].

  • Пичичеро МЭ, Кейси-младший. Систематический обзор факторов, способствующих неэффективности лечения пенициллином при фарингите Streptococcus pyogenes. Отоларингол Хирургия головы и шеи . 2007 декабрь137 (6): 851-857. [Медлайн].

  • Banigo A, Moinie A, Bleach N, Chand M, Chalker V, Lamagni T. Приводило ли снижение показателей тонзиллэктомии в Англии к увеличению заболеваемости инвазивными инфекциями Streptococcus группы A у детей? Клин Отоларингол . 2018 5 марта. [Medline].

  • [Рекомендации] Gerber MA, Baltimore RS, Eaton CB, et al. Профилактика ревматической лихорадки, а также диагностика и лечение острого стрептококкового фарингита: научное заявление Комитета по ревматической лихорадке, эндокардиту и болезням Кавасаки Американской кардиологической ассоциации Совета по сердечно-сосудистым заболеваниям у молодежи, Междисциплинарного совета по функциональной геномике и трансляционной биологии, и Междисциплинарный совет по качеству лечения и исследованиям результатов: одобрен Американской академией педиатрии. Тираж . 2009 24 марта. 119 (11): 1541-51. [Медлайн].

  • Центры по контролю и профилактике заболеваний. Сводка болезней, подлежащих уведомлению, США, 1997 г. MMWR Morb Mortal Wkly Rep . 1998 20 ноября. 46 (54): ii-vii, 3-87. [Медлайн].

  • Калра М.Г., Хиггинс К.Э., Перес Э.Д. Общие вопросы о стрептококковом фарингите. Am Fam Врач . 2016 г. 1. 94 (1): 24-31. [Медлайн].

  • Nishiyama M, Morioka I, Taniguchi-Ikeda M, et al.Клинические особенности прогнозирования стрептококкового фарингита группы А в японском педиатрическом центре неотложной помощи. J Int Med Res . 1 января 2018 г. 300060517752954. [Medline]. [Полный текст].

  • Shaikh N, Swaminathan N, Hooper EG. Точность и точность признаков и симптомов стрептококкового фарингита у детей: систематический обзор. J Педиатр . 2012 Март 160 (3): 487-493.e3. [Медлайн].

  • Centor RM, Allison JJ, Cohen SJ.Ведение фарингита: определение противоречия. J Gen Intern Med . 2007 22 января (1): 127-30. [Медлайн].

  • Shulman ST, Bisno AL, Clegg HW, Gerber MA, Kaplan EL, Lee G и др. Руководство по клинической практике по диагностике и лечению стрептококкового фарингита группы А: обновление 2012 г., подготовленное Американским обществом инфекционных болезней. Clin Infect Dis . 2012 15 ноября. 55 (10): 1279-82. [Медлайн].

  • Вагнер Ф.П., Матиасон Массачусетс.Использование критериев центора для диагностики стрептококкового фарингита. Медсестра . 2008 Сентябрь 33 (9): 10-2. [Медлайн].

  • McIsaac WJ, Goel V, To T, Low DE. Обоснованность оценки боли в горле в семейной практике. CMAJ . 2000 октября 3. 163 (7): 811-5. [Медлайн].

  • Fine AM, Nizet V, Mandl KD. Широкомасштабная проверка оценок Centor и McIsaac для прогнозирования стрептококкового фарингита группы А. Arch Intern Med .2012 г. 11 июня. 172 (11): 847-52. [Медлайн]. [Полный текст].

  • Гербер М.А. Диагностика и лечение фарингита у детей. Педиатрическая клиника North Am . 2005 июн. 52 (3): 729-47, vi. [Медлайн].

  • Shapiro DJ, Barak-Corren Y, Neuman MI, Mandl KD, Harper MB, Fine AM. Выявление пациентов с наименьшим риском стрептококкового фарингита: национальное валидационное исследование. J Педиатр . 2020 май. 220: 132-8.e2. [Медлайн].

  • Синдром Лемьера, повторное появление забытой болезни: клинический случай. Ящики J . 2009 10 марта 2: 6397. [Медлайн]. [Полный текст].

  • Готтлиб М., Лонг Б., Койфман А. Клинические мимики: обзор мимиков стрептококкового фарингита, сфокусированный на неотложной медицине. J Emerg Med . 2018 6 марта [Medline].

  • Танз Р. Р., Гербер М. А., Кабат В., Риппе Дж., Сешадри Р., Шульман СТ. Проведение экспресс-теста на выявление антигенов и посев из горла в педиатрических отделениях по месту жительства: значение для лечения фарингита. Педиатрия . 2009 Февраль 123 (2): 437-44. [Медлайн].

  • Коэн Дж. Ф., Коэн Р., Биде П. и др. Эффективность модели клинического прогнозирования для выборочного экспресс-тестирования у детей с фарингитом: проспективное многоцентровое исследование. PLoS One . 2017. 12 (2): e0172871. [Медлайн]. [Полный текст].

  • Гербер М.А., Шульман УЛ. Экспресс-диагностика фарингита, вызванного стрептококками группы А. Clin Microbiol Ред. . 2004 июл.17 (3): 571-80, содержание. [Медлайн].

  • Танз Р. Р., Гербер М. А., Кабат В., Риппе Дж., Сешадри Р., Шульман СТ. Проведение экспресс-теста на выявление антигенов и посев из горла в педиатрических отделениях по месту жительства: значение для лечения фарингита. Педиатрия . 2009 Февраль 123 (2): 437-44. [Медлайн].

  • Del Mar CB, Glasziou PP, Spinks AB. Антибиотики при ангине. Кокрановская база данных Syst Rev . 2006 18 окт.CD000023. [Медлайн].

  • Накхул Г.Н., Хикнер Дж. Ведение взрослых с острым стрептококковым фарингитом: минимальное значение для резервного тестирования на стрептококк и чрезмерного использования антибиотиков. J Gen Intern Med . 2013 июн.28 (6): 830-4. [Медлайн].

  • Ayanruoh S, Waseem M, Quee F, Humphrey A, Reynolds T. Влияние быстрого стрептококкового теста на использование антибиотиков в педиатрическом отделении неотложной помощи. Скорая педиатрическая помощь . 2009 25 ноября (11): 748-50.[Медлайн].

  • Dingle TC, Abbott AN, Fang FC. Рефлексивная культура у подростков и взрослых со стрептококковым фарингитом группы А. Clin Infect Dis . 2014 Сен 1. 59 (5): 643-50. [Медлайн].

  • Пелуччи К., Григорян Л., Галеоне С., Эспозито С., Хуовинен П., Литтл П. и др. Руководство по лечению острой ангины. Clin Microbiol Infect . 2012 г., 18 апреля, Приложение 1: 1-28. [Медлайн].

  • Пател Н.Н., Пател Д.Н.Острый экссудативный тонзиллит. Am J Med . 2009 Январь 122 (1): 18-20. [Медлайн].

  • Коэн Дж. Ф., Коэн Р., Леви С. и др. Стратегии выборочного тестирования для диагностики стрептококковой инфекции группы А у детей с фарингитом: систематический обзор и проспективное многоцентровое внешнее валидационное исследование. CMAJ . 2015 6 января. 187 (1): 23-32. [Медлайн]. [Полный текст].

  • Chiappini E, Bortone B, Di Mauro G, et al. Выбор с умом: топ-5 рекомендаций итальянской группы национальных руководств по лечению острого фарингита у детей. Clin Ther . 2017 марта 39 (3): 646-9. [Медлайн].

  • Del Mar CB, Glasziou PP, Spinks AB. Антибиотики при ангине (Обзор). Кокрановское сотрудничество . 2007. (1): 1-41.

  • Hayward G, Thompson MJ, Perera R, Glasziou PP, Del Mar CB, Heneghan CJ. Кортикостероиды в качестве самостоятельного или дополнительного лечения боли в горле. Кокрановская база данных Syst Rev . 17 октября 2012 г. 10: CD008268. [Медлайн].

  • Тасар А, Янтурали С, Топачоглу Х, Эрсой Г, Унверир П, Сарикая С.Клиническая эффективность дексаметазона при остром экссудативном фарингите. J Emerg Med . 2008 ноябрь 35 (4): 363-7. [Медлайн].

  • Шепард А., Смит Г., Аспли С. и др. Рандомизированные двойные слепые плацебо-контролируемые исследования леденцов флурбипрофена 8,75 мг у пациентов с / без стрептококковой инфекции горла группы A или C с оценкой прогнозов клиницистами о «стрептококковой инфекции в горле». Int J Clin Pract . 2015 Январь 69 (1): 59-71. [Медлайн].

  • Мюллер Д., Линдеманн Т., Шах-Хоссейни К. и др.Эффективность и переносимость эктоинового спрея для полости рта и горла по сравнению с солевыми лепешками при лечении острого фарингита и / или ларингита: проспективное контролируемое клиническое исследование с наблюдениями. евро Арка Оториноларингол . 2016 28 апреля. [Medline].

  • Флеминг-Дутра К.Э., Херш А.Л., Шапиро Д.Д. и др. Распространенность неправильного назначения антибиотиков среди посещений амбулаторных служб США, 2010-2011 гг. JAMA . 2016 3 мая. 315 (17): 1864-73.[Медлайн].

  • Линдер Дж. А., Стаффорд Р. С.. Лечение антибиотиками взрослых с болью в горле врачами первичной медико-санитарной помощи: национальный опрос, 1989–1999. JAMA . 2001 сентябрь 12, 286 (10): 1181-6. [Медлайн].

  • Barnett ML, Linder JA. Назначение антибиотиков взрослым, страдающим ангиной, в США, 1997-2010 гг. JAMA Intern Med . 2014 Январь 174 (1): 138-40. [Медлайн].

  • Маттис Дж., Де Мейер М., ван Дриель М.Л., Де Саттер А.Различия между международными рекомендациями по фарингиту: не только академические. Энн Фам Мед . 2007 сентябрь-октябрь. 5 (5): 436-43. [Медлайн].

  • Van Howe RS, Kusnier LP 2-й. Диагностика и лечение фарингита в педиатрической популяции на основе экономической эффективности и прогнозируемых результатов для здоровья. Педиатрия . 2006 Март 117 (3): 609-19. [Медлайн].

  • Pichichero ME. Сдвиг патогенов и изменение показателей излечения от среднего отита и тонзиллофарингита. Clin Pediatr (Phila) . 2006 июл. 45 (6): 493-502. [Медлайн].

  • Пичичеро М., Кейси Дж. Сравнение результатов лечения цефалоспорином и пенициллином стрептококкового тонзиллофарингита в Европе и США. евро J Clin Microbiol Infect Dis . 2006 июн.25 (6): 354-64. [Медлайн].

  • Брук I. Преодоление пенициллиновой недостаточности в лечении стрептококкового фаринго-тонзиллита группы А. Int J Педиатр Оториноларингол .2007 Октябрь 71 (10): 1501-8. [Медлайн].

  • Logan LK, McAuley JB, Shulman ST. Неэффективность лечения макролидами при стрептококковом фарингите, приведшем к острой ревматической лихорадке. Педиатрия . 2012 марта 129 (3): e798-802. [Медлайн].

  • Депдхэм Д., Рао С., Хичкок К. Следует ли лечить носителей глоточной стрептококковой инфекции группы А ?. J Fam Pract . 2008. 57:

  • .
  • Альтамими С., Халил А., Халаиви К.А., Милнер Р., Пусик М.В., Аль-Осман М.А.Короткая по сравнению со стандартной длительностью антибактериальная терапия острого стрептококкового фарингита у детей. Кокрановская база данных Syst Rev . 2009 21 января. CD004872. [Медлайн].

  • Корб К., Шерер М., Шено Дж. Ф. Стероиды как адъювантная терапия острого фарингита у амбулаторных пациентов: систематический обзор. Энн Фам Мед . 2010 янв-фев. 8 (1): 58-63. [Медлайн]. [Полный текст].

  • Hayward G, Thompson M, Heneghan C, Perera R, Del Mar C, Glasziou P.Кортикостероиды для снятия боли при боли в горле: систематический обзор и метаанализ. BMJ . 2009 6 августа. 339: b2976. [Медлайн]. [Полный текст].

  • Wing A, Villa-Roel C, Yeh B, Eskin B, Buckingham J, Rowe BH. Эффективность лечения кортикостероидами при остром фарингите: систематический обзор литературы. Acad Emerg Med . 2010. 17 (5): 476-483.

  • Рик А.М., Захир Х.А., Мартин Дж. М.. Клинические особенности стрептококка группы А у детей с фарингитом: носители против острой инфекции. Pediatr Infect Dis J . 2020 7 февраля. [Medline].

  • Боггс В. Какая стратегия приема антибиотиков лучше всего подходит для взрослых с острой ангиной? Медицинские новости Medscape. 27 января 2014 г .; По состоянию на 4 февраля 2014 г. Доступно по адресу http://www.medscape.com/viewarticle/820008.

  • Хаттнер Б. Рецепт антибиотика от боли в горле или наследство мистера Х 2. . Ланцет Infect Dis . 2014 16 января [Medline].

  • Литтл П., Стюарт Б., Хоббс Ф.Д., Батлер С.К., Хэй А.Д., Делани Б. и др.Стратегии назначения антибиотиков при острой боли в горле: проспективное наблюдательное когортное исследование. Ланцет Infect Dis . 2014 16 января [Medline].

  • (PDF) Новый метод обработки изображений для обнаружения стрептококкового фарингита с использованием смартфона

    Датчики 2019,19, 3307 16 из 17

    16.

    Ebell, M.H .; Smith, M.A .; Barry, H.C .; Ives, K .; Кэри, М. У этого пациента ангина? JAMA

    2000

    ,

    284, 2912–2918.[CrossRef] [PubMed]

    17. Zhang, D .; Zhang, H .; Чжан Б. Анализ изображения языка; Springer: Берлин / Гейдельберг, Германия, 2017.

    18.

    Seo, S.E .; Tabei, F .; Парк, С.Дж .; Аскарян, Б .; Kim, K.H .; Moallem, G .; Chong, J.W .; Квон, О. Смартфон

    с оптическими, физическими и электрохимическими нанобиосенсорами. J. Ind. Eng. Chem. 2019,77, 1–11. [CrossRef]

    19.

    Gong, Y.-P .; Lian, Y.-S .; Чен, С.-З. Исследование и анализ взаимосвязи между цветом фиксатора языка

    Количество, заболевание и синдром.Подбородок. J. Inf. Тсм 2005,7, 45–52.

    20.

    Li, C.H .; Юэн, П. Сопоставление изображения языка с использованием цветового содержимого. Распознавание образов.

    2002

    , 35, 407–419.

    [CrossRef]

    21.

    Li, Q .; Лю, З. Анализ цвета языка и распознавание на основе гиперспектральных изображений. Comput. Med.

    Imaging Graph. 2009 г., 33, 217–221. [CrossRef]

    22. Tang, J.-L .; Liu, B.-Y .; Ма, К.-В. Традиционная китайская медицина. Ланцет 2008, 372, 1938–1940.[CrossRef]

    23.

    Lo, L.-C .; Chen, Y.-F .; Chen, W.-J .; Cheng, T.-L .; Чан, Дж. Исследование соглашения между автоматической системой диагностики языка

    и практикующими врачами традиционной китайской медицины. Дополнение на основе доказательств. Альтерн.

    Мед. 2012, 2012, 505063. [CrossRef] [PubMed]

    24.

    Kim, M .; Cobbin, D .; Zaslawski, C. Осмотр языка в традиционной китайской медицине: проверка надежности языка

    у терапевтов и внутри них на предмет конкретных характеристик языка.J. Altern. Дополнение. Med.

    2008

    , 14,

    527–536. [CrossRef] [PubMed]

    25.

    Аскарян Б .; Tabei, F .; Аскарян, А .; Чонг, Дж. Удобный и простой в использовании метод диагностики

    для обнаружения кератоконуса с помощью смартфона. In Proceedings of the Medical Imaging 2018: Computer-Aided

    Diagnosis, Хьюстон, Техас, США, 10–15 февраля 2018 г .; п. 1057512.

    26.

    Chong, J.W .; Cho, C.H .; Tabei, F .; Ле-Ань, Д.; Esa, N .; McManus, D.D .; Чон, К. Движение и шум

    Обнаружение фибрилляции предсердий с защитой от артефактов с помощью смартфона. IEEE J. Emerg. Sel. Вершина. Circuits Syst.

    2018. [CrossRef] [PubMed]

    27.

    Tabei, F .; Kumar, R .; Phan, T.N .; McManus, D.D .; Чонг, Дж. Новый персонализированный метод обнаружения движения и шума

    Метод обнаружения артефактов (MNA) для сигналов фотоплетизмографа (PPG) смартфона. IEEE Access

    2018

    , 6,

    60498–60512.[CrossRef] [PubMed]

    28.

    Tabei, F .; Zaman, R .; Foysal, K.H .; Kumar, R .; Kim, Y .; Чонг, Дж. Новый метод разнесения для смартфона

    сигналов сердечного ритма на основе камеры при наличии артефактов движения и шума. PLoS ONE

    2019

    , 14,

    e0218248. [CrossRef] [PubMed]

    29.

    Аскарян Б .; Юнг, К .; Чонг, Дж. Мониторинг сердечного ритма по фотоплетизмографическим сигналам с использованием

    Samsung Galaxy Note8 в подводных условиях.Датчики 2019,19, 2846. [CrossRef] [PubMed]

    30.

    Hui, S.C .; Привет.; Thach, D.T.C. Машинное обучение для диагностики языка. В материалах 6-й Международной конференции по информации, связи и обработке сигналов 2007 г.,

    , Сингапур, 10–13 декабря

    2007 г .; С. 1–5.

    31.

    Pang, B .; Zhang, D .; Li, N .; Ван К. Компьютерная диагностика языка на основе байесовских сетей. IEEE Trans.

    Биомед. Англ. 2004,51, 1803–1810.[CrossRef]

    32.

    Wang, K .; Zhang, D .; Li, N .; Панг, Б. Диагностика языка на основе технологии распознавания биометрических образов.

    В распознавании образов: от классических к современным подходам; Мировая наука: Сингапур, 2001 г .; С. 575–598.

    33.

    Zhang, H.-Z .; Wang, K.-Q .; Jin, X.-S .; Чжан Д. Калибровка цвета на основе SVR для изображения языка. В материалах

    Международной конференции 2005 г. по машинному обучению и кибернетике, Гуанчжоу, Китай, 18–21

    августа 2005 г .; стр.5065–5070.

    34.

    Zhang, B .; Ван, X .; Вы, Дж .; Чжан, Д. Анализ цвета языка для медицинского применения. Дополнение на основе доказательств.

    Альтерн. Med. 2013,2013, 264742. [CrossRef]

    35.

    Wang, Y.-G .; Yang, J .; Zhou, Y .; Ван, Ю.-З. Распознавание цвета

    изображения языка на основе разделения области и соответствия признакам. Распознавание образов. Lett. 2007, 28, 11–19. [CrossRef]

    36. Wessels, M.R. Стрептококковый фарингит. N. E. J. Med. 2011, 364, 648–655.[CrossRef]

    37.

    Dang, D .; Cho, C.H .; Kim, D .; Kwon, O.S .; Чонг, Дж. Эффективный метод цветокоррекции для смартфона

    Приложение для наблюдения за состоянием здоровья на основе камеры. В материалах 39-й ежегодной международной конференции

    IEEE Engineering in Medicine and Biology Society (EMBC) 2017 г., остров Чеджу, Корея, 11–15 июля 2017 г .;

    с. 799–802.

    38.

    Вольф, С. Матрица коррекции цвета для цифровых систем фото- и видеосъемки; Национальные телекоммуникации и

    Информационное управление: Вашингтон, округ Колумбия, США, 2003.

    На пути к автоматизированному обнаружению тяжелого фарингита с помощью камеры смартфона с использованием сетей глубокого обучения

    Comput Biol Med. 2020 окт; 125: 103980.

    , a, ∗, 1 , b, 1, ∗∗ , c , d и e, f

    Tae Keun

    a Отделение офтальмологии, Аэрокосмический медицинский центр, ВВС Республики Корея, Чхонджу, Южная Корея

    Джун Юл Чой

    b Центр эпилепсии, Неврологический институт, Клиника Кливленда, Кливленд, Огайо, США

    Younil Jang

    c Отделение оториноларингологии – хирургия головы и шеи, 10 th Fighter Wing, ВВС Республики Корея, Сувон, Южная Корея

    Ein Oh

    d Отделение анестезиологии и обезболивающего, Сеульское женское отделение Госпиталь, Пучхон, Южная Корея

    Ик Хи Рю

    e Глазной центр B & VIIT, Сеул, Южная Корея

    f VISUWORKS, Сеул, Южная Корея

    a Департамент офталь mology, Аэрокосмический медицинский центр, ВВС Республики Корея, Чхонджу, Южная Корея

    b Центр эпилепсии, Неврологический институт, Клиника Кливленда, Кливленд, Огайо, США

    c Отделение оториноларингологии – хирургия головы и шеи, 10 th Fighter Wing, ВВС Республики Корея, Сувон, Южная Корея

    d Отделение анестезиологии и медицины боли, Сеульская женская больница, Пучхон, Южная Корея

    e Глазной центр B & VIIT, Сеул, Южная Корея

    f VISUWORKS, Сеул, Южная Корея

    Автор, ответственный за переписку.Отделение офтальмологии, Аэрокосмический медицинский центр, ВВС Республики Корея, 635 Danjae-ro, Namil-myeon, Cheongwon-gun, Chungcheongbuk-do, 363-849, Cheongju, Южная Корея.

    ∗∗ Автор, ответственный за переписку. Центр эпилепсии, Неврологический институт, Клиника Кливленда, 9500 Euclid Ave, Кливленд, Огайо, США.

    1 Тэ Гын Ю и Джун Юль Чой внесли равный вклад в эту работу.

    Поступила 19.06.2020; Пересмотрено 18 августа 2020 г .; Принято 2020 18 августа

    Copyright © 2020 Elsevier Ltd.Все права защищены.

    С января 2020 года компания Elsevier создала ресурсный центр COVID-19 с бесплатной информацией на английском и китайском языках о новом коронавирусе COVID-19. Ресурсный центр COVID-19 размещен на сайте публичных новостей и информации компании Elsevier Connect. Elsevier настоящим разрешает сделать все свои исследования, связанные с COVID-19, которые доступны в ресурсном центре COVID-19, включая этот исследовательский контент, немедленно в PubMed Central и других финансируемых государством репозиториях, таких как база данных COVID ВОЗ с правами на неограниченное исследование, повторное использование и анализ в любой форме и любыми средствами с указанием первоисточника.Эти разрешения предоставляются Elsevier бесплатно до тех пор, пока ресурсный центр COVID-19 остается активным.

    Эта статья цитируется в других статьях в PMC.
    Вспомогательные материалы

    Мультимедийный компонент 1

    GUID: A5BAAC4A-CCFA-4452-AC68-73D7BA1C3F3E

    Мультимедийный компонент 2

    GUID: 2D2BB899-0BD3-4ADB-BF17667 9018 9018

    Тяжелый фарингит часто связан с воспалениями, вызванными стрептококковым фарингитом, который может вызывать иммуноопосредованные и постинфекционные осложнения.Недавняя глобальная пандемия коронавирусной болезни (COVID-19) поощряет использование телемедицины для пациентов с респираторными симптомами. Таким образом, это исследование направлено на автоматическое обнаружение тяжелого фарингита с использованием структуры глубокого обучения с использованием самостоятельно сделанных изображений горла.

    Методы

    Был собран набор данных, состоящий из двух классов: 131 изображение горла с фарингитом и 208 нормальных изображений горла. Перед обучающим классификатором мы построили генерирующую состязательную сеть согласованности цикла (CycleGAN), чтобы пополнить обучающий набор данных.Архитектуры ResNet50, Inception-v3 и MobileNet-v2 были обучены с использованием трансферного обучения и проверены с использованием случайно выбранного набора тестовых данных. Рабочие характеристики моделей оценивались на основе точности и площади под кривой рабочих характеристик приемника (ROC-AUC).

    Результаты

    Синтетические изображения на основе CycleGAN отражают прагматические характерные особенности фарингита. Используя синтетические изображения горла, модель глубокого обучения продемонстрировала значительное повышение точности диагностики фарингита.ResNet50 с аугментацией на основе GAN показал лучший ROC-AUC 0,988 для обнаружения фарингита в тестовом наборе данных. При 4-кратной перекрестной проверке с использованием ResNet50 наивысшая точность обнаружения и достигнутая ROC-AUC составили 95,3% и 0,992 соответственно.

    Заключение

    Модель глубокого обучения для скрининга фарингита с помощью смартфона позволяет быстро идентифицировать тяжелый фарингит с возможностью своевременной диагностики фарингита. Во время недавней пандемии COVID-19 эти рамки помогут пациентам с симптомами верхних дыхательных путей повысить удобство диагностики и снизить вероятность передачи инфекции.

    Ключевые слова: Фарингит, Тонзиллит, Глубокое обучение, Смартфон, Автоматическая диагностика, Телемедицина

    Графический аннотация

    1. Введение

    Диагностическая поддержка в удаленных медицинских услугах показала способность минимизировать контакт больных с больными и другие пациенты [ 1 ]. Недавняя глобальная пандемия коронавирусной болезни (COVID-19) подтолкнула к использованию телемедицины у пациентов с симптомами верхних дыхательных путей [ 2 ].Поскольку смартфоны стали повсеместными, многие исследователи заинтересованы в их использовании в телемедицине. Технология глубокого обучения может помочь в обследовании пациентов с помощью смартфона, когда врачи имеют дело с ограниченной информацией в условиях удаленного мониторинга пациентов. В частности, для фотографирования горла пригодится смартфон [ 3 ]. Таким образом, домашний мониторинг с помощью смартфона поможет в диагностике и лечении пациентов с симптомами со стороны верхних дыхательных путей, что повысит удобство и уменьшит передачу инфекции.Существует несколько подходов, использующих глубокое обучение для автоматической диагностики нескольких заболеваний с использованием изображений, снятых смартфонами [ 4 , 5 ].

    Фарингит, который ежегодно диагностируется у более чем 11 миллионов пациентов в США, является распространенным заболеванием, связанным с острой инфекцией верхних дыхательных путей [ 6 ]. Фарингит – это воспаление задней стенки глотки и миндалин. Боль в горле, вызванная фарингитом, является одной из основных причин обращения к врачу молодых пациентов [ 7 ].Самая частая причина острого фарингита – это вирусная инфекция, которая проходит самостоятельно. Тем не менее, Streptococcus pyogenes является основной бактериальной инфекционной причиной фарингита и, по оценкам, является причиной 20–30% случаев боли в горле [ 8 ]. Часто тяжелый фарингит с лихорадкой и экссудативный тонзиллит связан со стрептококковым фарингитом, который может вызывать иммуноопосредованные и постинфекционные осложнения, такие как острая ревматическая лихорадка [ 9 ]. Следовательно, своевременная диагностика фарингита для лечения важна для уменьшения симптомов, лихорадки и осложнений [ 10 ].Однако многие пациенты с инфекцией верхних дыхательных путей игнорируют свои симптомы на ранней стадии, и посещения врача обычно не проходят. Более того, в последние дни многие пациенты не решаются посещать клиники из-за вспышки COVID-19.

    Важность мобильной системы мониторинга пациентов с острыми респираторными инфекциями верхних дыхательных путей возросла из-за ее применимости и эффективности [ 3 ]. В предыдущем исследовании была предпринята попытка собрать изображения горла с помощью дополнительного оборудования в сочетании со смартфоном и использовался алгоритм k-ближайшего соседа в пространстве распределения цвета для классификации изображений со стрептококковой миндалиной [ 11 ].Однако необходимость в дополнительном оборудовании ограничивала эффективность этого метода в реальных условиях. Более того, цветовое распределение не могло передать характерные черты фарингита. Изображения горла демонстрируют различия в размере, освещении и форме ротовой полости.

    Здесь мы представляем модель глубокого обучения с изображениями горла со смартфона, которые упрощают обнаружение тяжелого фарингита с помощью сделанных самостоятельно изображений горла ( ). Мы выполнили автоматическое обнаружение тяжелого фарингита с использованием структуры сверточной нейронной сети (CNN).

    Рабочий процесс построения модели глубокого обучения для диагностики фарингита с помощью смартфона.

    2. Методы

    2.1. Сбор данных

    Основная концепция нашей методики – это обследование горла с использованием сделанного самостоятельно изображения смартфона с помощью компьютерной системы диагностики, которая аналогична предыдущему дерматологическому исследованию [ 12 ]. Это исследование было проведено с использованием общедоступных изображений горла, сделанных самим собой в сети. Мы собрали изображения горла из открытых социальных систем вопросов и ответов в Интернете, включая Naver Korea (https: // kin.naver.com) и Yahoo Japan (https://chiebukuro.yahoo.co.jp). Дополнительные наборы данных изображений горла были извлечены с помощью поисковой системы изображений Google. Большинство изображений горла были размещены пользователями, которые обращались за медицинской помощью через открытые социальные вопросы и ответы. Стратегия поиска была основана на ключевых словах «ангина», «фарингит», «тонзиллит», «экссудативный тонзиллит», «тонзиллофарингит», «изображение горла» и «смартфон» на корейском, японском и английском языках. Самое последнее изображение из поиска по базе данных было получено 30 апреля 2020 года.Изображения, снятые не на смартфоны, были выбраны вручную и исключены из этого исследования. Изображения с характеристиками фарингита или нормального горла были вручную классифицированы двумя клиницистами, и неоднозначные изображения были исключены, чтобы прояснить области изображения. Наконец, мы собрали исходный набор данных с двумя классами, включая 131 изображение горла с фарингитом и 208 нормальных изображений горла. Набор данных был случайным образом разделен на обучение (50%, N = 169), проверку (25%, N = 85) и наборы тестов (25%, N = 85) для применения глубокого обучения к независимому набору данных.Подробное распространение и расширение данных описано в. В качестве входных данных использовались только изображения горла и миндалин без дополнительных манипуляций для уменьшения внутриклассовой дисперсии. Исходные изображения были извлечены из базы данных в формате PNG (Portable Network Graphics). Изображения были повторно дискретизированы до пиксельного разрешения 256 × 256 × 3 в формате PNG для CycleGAN и моделей глубокого обучения.

    Таблица 1

    Набор данных изображения горла и увеличение, использованное в этом исследовании.

    Класс Число обучающих наборов (%) Число проверочных наборов (%) Число проверочных наборов (%)
    Исходные данные Нормальный 104 50,0) 52 (25,0) 52 (25,0)
    Фарингит 65 (49,6) 33 (25,2) 33 (25,2)
    Базовое усиление 1000 ( Нормальное) 64.4) 500 (32,2) 52 (3,4)
    Фарингит 600 (64,3) 300 (32,2) 33 (3,5)
    Синтез изображений на основе GAN 13 Нормальное 1500 (73,1)500 (24,4) 52 (2,5)
    Фарингит 1500 (81,8) 300 (16,4) 33 (1,8)

    Все процедуры выполнены в соответствии с этическими стандартами институционального и национального исследовательского комитета, а также Хельсинкской декларацией 1964 года и более поздними поправками к ней или сопоставимыми этическими стандартами.Это исследование не требовало одобрения комитета по этике; вместо этого исследователи использовали открытые веб-данные и обезличенные данные. Все наборы данных для разработки модели глубокого обучения доступны в репозиториях Mendeley Data (https://doi.org/10.17632/8ynyhnj2kz).

    2.2. Увеличение данных с использованием GAN

    Из-за ограниченного количества наборов данных и их несбалансированного распределения для обучения глубокому обучению требуется увеличение данных. Для обучения моделей глубокого обучения были применены базовые методы увеличения данных, такие как переворот, перевод, вращение и изменение яркости.В нескольких предыдущих исследованиях была предпринята попытка обучить модели глубокого обучения с использованием синтетических изображений на основе генеративной состязательной сети (GAN) для повышения эффективности классификации [ 13 ]. Вдохновленные предыдущими работами с использованием генеративной враждебной сети, мы внедрили функцию дополнения данных на основе CycleGAN, чтобы повысить точность диагностики. Последовательность цикла в позволяет CycleGAN захватывать характеристики двух доменов изображений и автоматически узнавать, как эти характеристики должны быть преобразованы для передачи в домены без каких-либо парных наборов данных [ 14 ].CycleGAN был разработан для преодоления ограничений парных данных при использовании двух генераторов и двух дискриминаторов. Считается, что это мощный метод, который выполняет перенос области изображения и перенос лица [ 15 ]. Предыдущие исследования показали, что CycleGAN может улучшить модели глубокого обучения, создавая обучающие ситуации, чтобы лучше узнать границы принятия решений между классами.

    Схематическое изображение модели CycleGAN, генерирующей новые нормальные изображения и патологические изображения горла с фарингитом.

    Мы построили модель дополнения CycleGAN, чтобы повысить обобщаемость набора данных и улучшить производительность классификации в несбалансированном наборе данных. Перед обучением CycleGAN изображения горла были увеличены с использованием линейного преобразования, включая переворот влево и вправо, перевод ширины и высоты от 5% до + 5%, случайное вращение от 10 ° до 10 °, масштабирование от 0% до 20% и случайное изменение яркости от 10% до 10%. Мы определили эти преобразования как основной шаг дополнения.На этом этапе для обучающего набора случайным образом были отобраны 1000 изображений нормального горла и 600 изображений фарингита, а для проверочного набора случайным образом были отобраны 500 изображений нормального горла и 300 изображений фарингита. Используя данные с базовым увеличением, мы обучили модели CycleGAN преобразовывать нормальные изображения горла в фарингит и фарингит в нормальные изображения. Обученная модель CycleGAN расширила обучающий набор (1000 изображений нормального горла и 600 изображений фарингита до увеличения), и в общей сложности было подготовлено 3000 изображений горла, включая 1500 изображений нормального и 1500 изображений фарингита, для обучения модели диагностического классификатора после дополнения на основе CycleGAN.Следует отметить, что контролируемые методы GAN, включая условные GAN и Pix2px, не могли быть применены в этом исследовании из-за отсутствия парных изображений нормального изображения и изображения фарингита.

    Чтобы использовать проверенный и предварительно разработанный генератор изображений, все входные изображения требовали изменения размера до пиксельного разрешения 256 × 256 × 3, что является базовой настройкой CycleGAN. Поэтому мы использовали настройки параметров по умолчанию, то есть оптимизатор ADAM с размером пакета 1, чтобы оптимизировать сети GAN.

    2.3. Разработка модели CNN

    Мы обучили традиционные модели глубокого обучения после увеличения данных. Из-за небольшого набора данных изображений в этом исследовании разработка специального метода глубокого обучения является сложной задачей из-за сложности и затрат времени (например, небольшой набор обучающих данных может легко привести к чрезмерно подогнанной модели и низкой производительности) [ 16 ]. Чтобы преодолеть проблему небольшого набора данных, для обучения моделей глубокого обучения с использованием предварительно обученных архитектур широко использовалось трансферное обучение [ 17 , 18 ].В этом исследовании также применялись предварительно обученные модели обучения к задаче классификации изображений горла. Последний полностью связанный слой CNN был только обучен, и в исследовании использовалась предварительно обученная стандартная модель в качестве средства извлечения признаков [ 17 ].

    Модели CNN, включая ResNet50, Inception-v3 и MobileNet-v2, были адаптированы для построения двоичных классификаторов [ 19 ]. Эти модели CNN успешно использовались во многих исследованиях, демонстрируя современные характеристики с помощью карты значимости [ 20 , 21 ].Модели были обучены с использованием обучающего набора, а проверочный набор использовался для оценки того, насколько хорошо модель была обучена. Мы загрузили модели CNN, которые были предварительно обучены в базе данных ImageNet, и выполнили точную настройку весов предварительно обученных сетей. Этот процесс обычно поддерживает веса некоторых нижних слоев, чтобы избежать чрезмерной подгонки, и выполняет тонкую модификацию функций высокого уровня. Чтобы использовать изображения, созданные CycleGAN, размер входных изображений для моделей глубокого обучения был установлен на разрешение 256 × 256 × 3 пикселей, а размер изображений был изменен для каждой предварительно обученной модели.Большинство традиционных моделей глубокого обучения используют разрешение пикселей 256 × 256 × 3 или 224 × 224 × 3 [ 22 ]. Одно исследование глубокого обучения показало, что лучшая производительность была достигнута при разрешении изображения от 256 × 256 до 448 × 448 пикселей для двоичной классификации [ 23 ]. Таким образом, разрешение нашего исследования было подходящим для обнаружения фарингита в бинарном решении. Модель обучалась с 250 эпохами и размером пакета 20. Оптимизатор ADAM со скоростью обучения 0.0001 также использовался с кросс-энтропийной потерей для всех моделей CNN. Функция потерь кросс-энтропии определяется как:

    Lcrossentropy = −∑iNpilog (qi),

    (1)

    Где pi представляет собой основное истинное значение, а qi представляет собой прогнозируемое значение вероятности из классификатора для i-го изображения. Оптимизатор обновил параметры сети, чтобы минимизировать функцию потерь. В наших экспериментах он настраивал полностью связанный слой моделей CNN. Например, первые 49 слоев ResNet50 были оставлены замороженными, и мы обучили последний полностью подключенный слой, используя набор обучающих данных, который описан в , оптимизатор ADAM.Мы выбрали окончательную модель классификатора, которая максимизировала точность набора данных проверки.

    Чтобы визуализировать кластеры, чтобы увидеть, являются ли классы разделяемыми со значительным запасом, был выполнен алгоритм t-распределенного стохастического встраивания соседей ( t -SNE) с использованием экземпляров выборки. Векторы признаков из последнего уровня предварительно обученной модели Inception-v3 были извлечены для обучения t -SNE [ 24 ]. Поскольку в медицине растет спрос на объяснимые методы искусственного интеллекта [ 25 ], мы приняли метод Grad-CAM (https: // github.com / jacobgil / pytorch-grad-cam) для создания карты внимания [ 26 ]. Grad-CAM визуализирует области принятия решений модели CNN, используя градиенты любой цели, текущей в окончательную сверточную сеть. Тепловая карта имеет низкое разрешение и была увеличена с помощью бикубической интерполяции. Наконец, он создает тепловые карты, которые выделяют интересующую область и интерпретируют решение моделей глубокого обучения.

    Производительность моделей CNN оценивалась на основе точности и площади под кривой (AUC) кривой рабочих характеристик приемника (ROC) и кривой точности-отзыва (PRC).Индекс Юдена, который является оценкой оптимального диагностического порога, был принят в этом исследовании [ 27 ]. После определения чувствительности и специфичности индекс Юдена рассчитывали в каждой точке отсечения. Мы выбрали оптимальное значение, которое максимизировало индекс Юдена. Эти показатели производительности выражаются следующим образом:

    Точность = TP + TNTP + TN + FP + FN,

    (2)

    Чувствительность = Отзыв = TPTP + FN,

    (3)

    Youdenindex = Чувствительность + Специфичность – 1,

    (6)

    Где ТП , TN , FP и FN обозначают истинно-положительные, истинно-отрицательные, ложноположительные и ложноотрицательные соответственно.Мы также выполнили 4-кратную перекрестную проверку с использованием всего набора данных для оценки общей производительности. Google Colab Pro, облачный сервис для распространения результатов исследований глубокого обучения, был адаптирован для реализации моделей CycleGAN и CNN [ 28 ]. Google Colab Pro предоставляет среду разработки с использованием библиотек глубокого обучения на основе Tensorflow и надежного графического процессора (GPU). Это обеспечивает быструю обработку сложных сетей глубокого обучения без необходимости использования персонального графического процессора [ 15 ].Доступное оборудование для каждой виртуальной машины варьировалось в зависимости от сеанса, но обычно включало топовые продукты NVIDIA GPU (K80, T4 или P100), около 8–12 ГБ ОЗУ и 50–70 ГБ свободного места на жестком диске виртуальной машины. [ 29 ]. Мы использовали страницу руководства Colab CycleGAN для разработки и проверки модели CycleGAN, и весь код доступен на веб-странице Tensorflow (https://www.tensorflow.org/tutorials/generative/cyclegan). Мы только изменили конвейер ввода, чтобы импортировать наш набор данных.Код моделей CycleGAN и CNN представлен в дополнительном материале.

    3. Результаты

    Мы разработали модель глубокого обучения с использованием аугментации на основе GAN в сложных условиях обнаружения фарингита. Для создания сбалансированного набора данных для обучения модели CycleGAN генерировали нормальные и патологические изображения горла с использованием исходного набора данных для обучения. Распределение интенсивности цвета на изображениях фарингита и нормальных изображений горла существенно не различались, хотя на большинстве изображений горла были области экссудата ( А).Алгоритм t -SNE демонстрирует, что обе группы сгруппированы и их можно разделить со значительным запасом (B). Окончательная модель CycleGAN для изображения фарингита горла была обучена в течение 20 эпох, что потребовало 10 часов. После обучения нормальные изображения горла были переведены в патологические изображения, а изображения горла с фарингитом были переведены в нормальные изображения. Наконец, с помощью CycleGAN мы создали сбалансированный расширенный набор обучающих данных, включающий 1500 нормальных изображений и 1500 изображений фарингита.Синтетические изображения на основе CycleGAN были реалистичными и отражали характерные черты фарингита ( А). Модель CycleGAN синтезировала белые или серые пятна и увеличивала покраснение на стенке горла и миндалинах по сравнению с нормальными изображениями (B). Полученные изображения горла были просмотрены тремя клиницистами, включая отоларинголога и анестезиолога. Все полученные изображения фарингита были расценены тремя клиницистами как показывающие «более патологические и воспалительные» результаты по сравнению с исходными изображениями.Эта генерация признаков, основанная на модели CycleGAN, может быть эффективной для генерации новой выборки, чтобы увеличить внутриклассовую вариативность и обобщаемость.

    Визуальное исследование изображений фарингита и нормального горла. (A) Среднее распределение красного-зеленого-синего (RGB). (B) Пространство признаков, визуализированное с использованием техники t -SNE. (Для интерпретации ссылок на цвет в легенде этого рисунка читатель может обратиться к веб-версии этой статьи.)

    Увеличение данных с помощью CycleGAN для улучшения диагностических характеристик фарингита.(A) Дополнение на основе CycleGAN для несбалансированных данных. (B) Примеры патологических изображений горла с фарингитом, созданных CycleGAN.

    Модели CNN были обучены с использованием окончательного дополненного набора данных с помощью метода трансферного обучения. демонстрирует процесс обучения модели ResNet50 CNN с использованием наборов для обучения и проверки. Процесс обучения CNN занял около 12 часов на 1000 эпох с тонкой настройкой для каждого шага обучения. После 200-й эпохи точность проверки не улучшилась, а кросс-энтропия результата проверки увеличилась.Поэтому мы посчитали, что обучение для 200 эпох было оптимальным в модели ResNet50, и выбрали обученную модель на 200-й эпохе. A показывает наборы данных для обучения, проверки и тестирования моделей CNN с дополнением на основе CycleGAN и без него. ROC-AUC для ResNet50, Inception-v3 и MobileNet-v2 без дополнений на основе GAN составляли 0,943, 0,932 и 0,934 соответственно (B). Мы получили лучший ROC-AUC для выявления фарингита с использованием ResNet50 с аугментацией на основе GAN, соответствующей 0.988 (С). При оптимальном диагностическом пороговом значении модель ResNet50 предсказывала фарингит с точностью 95,3%, чувствительностью 97,0% и специфичностью 94,2%. ROC-AUC Inception-v3 и MobileNet-v2 соответствовали 0,981 и 0,970 соответственно. Модели с дополнением на основе GAN продемонстрировали превосходную производительность по сравнению с моделями только с базовым дополнением. Мы также оценили производительность моделей с помощью PRC ( ). PRC-AUC также продемонстрировал, что модели глубокого обучения с дополнением на основе GAN имеют лучшую производительность, чем модели без дополнения на основе GAN.ResNet50 с увеличением на основе GAN предсказал фарингит с самым высоким PRC-AUC 0,986. При обучении настраиваемой сети глубокого обучения без техники трансферного обучения точность проверки была ниже 80% и не улучшалась в периоды обучения (дополнительные материалы).

    Процесс обучения модели ResNet50 CNN для обнаружения фарингита. (A) Кривые обучения точности наборов для обучения и проверки. (B) Кривые потери обучения для обучающих и проверочных наборов.

    Производительность моделей глубокого обучения для обнаружения фарингита. (A) Схема основного увеличения и увеличения на основе GAN. (B) Кривые рабочих характеристик приемника моделей глубокого обучения с использованием базового дополнения. (C) Рабочие характеристики приемника моделей глубокого обучения с использованием дополнения на основе GAN.

    Кривые прецизионного отзыва моделей глубокого обучения для обнаружения фарингита. (A) Модели глубокого обучения с использованием базовых дополнений. (B) Модели глубокого обучения с использованием дополнений на основе GAN.

    показывает производительность моделей CNN с помощью 4-кратной перекрестной проверки для всего набора данных. Аналогичная тенденция наблюдается для средней точности и значений AUC при перекрестной проверке. Результат показывает, что наивысшая точность обнаружения и ROC-AUC, достигнутые при использовании ResNet50, составили 95,3% и 0,992 соответственно. Другие модели CNN показали более низкую производительность, чем ResNet50 с дополнением на основе GAN, но не было значительных различий между моделями CNN при 4-кратной перекрестной проверке.Карта значимости с использованием метода Grad-CAM была создана для визуализации характерных патологических особенностей фарингита для прогнозируемых доказательств ( А). Однако на нормальных изображениях горла некоторые области были выделены (B). Когда синтезированные изображения были протестированы с использованием обученной модели, синтезированные экссудаты были правильно выделены на изображениях, как показано в C.

    Таблица 2

    Классификация для выявления тяжелого фарингита при 4-кратной перекрестной проверке с использованием набора для развития.

    Начало-v3 0,992 0,999) 91,0–98,2)
    AUC (95% ДИ) Точность (%) (95% ДИ) Чувствительность (95% ДИ) Специфичность (95% ДИ) P -значение *
    Базовое расширение
    ResNet50 0,968 (0,948–0,988) 92,5 (88,6–95,4) 89,8 (82,0–95,0) 94,2 (89,3–9713 0,966 (0.947–0,986) 91,7 (87,6–94,8) 88,8 (80,8–94,3) 93,6 (88,5–96,9) 0,182
    MobileNet-v2
    0,963 (0,943–0,9712) 0,963 (0,943–0,9712) 91,3 (87,2–94,5)
    91,8 (84,5–96,4)
    91,0 (85,4–95,0)
    0,150
    Улучшение синтеза изображений на основе GAN
    90–95 ResNet50
    95,3 (91.9–97,5) 92,9 (85,8–97,1) 96,8 (92,7–98,9) Ссылка
    Inception-v3 0,987 (0,978–0,996) 94,9 (91,4–97,3) 92,9712 85,8–97,1) 96,2 (91,8–98,6) 0,718
    MobileNet-v2 0,981 (0,969–0,994) 93,7 (90,0–96,4) 90,8 (83,3–95,7) 0,483

    Пример результатов классификации глубокого обучения с картой значимости с использованием метода Grad-CAM (A) Изображения горла при фарингите.(B) Нормальные изображения горла. (C) Синтезированные изображения.

    Кроме того, были проанализированы внешние клинические случаи из предыдущей литературы для исследования, чтобы показать возможность выявления фарингита в рамках, разработанных в этом исследовании [ 30 , 31 ]. Типичные случаи тяжелого фарингита показаны в . В одном случае представлен 81-летний мужчина с одинофагией (A), а в другом случае – 41-летний мужчина с диабетом с болью в горле (B). Модель ResNet50 смогла обнаружить фарингит в обоих случаях.Метод Grad-CAM выделил белые пятна на стенке горла как маркеры тяжелого фарингита в модели глубокого обучения.

    Результаты классификации на основе модели глубокого обучения, примененной к клиническим случаям тяжелого фарингита. (A) Мужчина 81 года с одинофагией [ 30 ]. (B) 41-летний диабетик с болью в горле [ 31 ].

    4. Обсуждение

    В текущем экспериментальном исследовании изучалась возможность глубокого обучения с использованием смартфона для обнаружения фарингита.Недавнее исследование продемонстрировало способность сделанных самостоятельно изображений горла обнаруживать фарингит на основе алгоритма k-ближайшего соседа в цветовом пространстве [ 11 ]. В этом исследовании для получения изображений горла использовалось дополнительное оборудование, а также смартфон. Мы использовали сделанные самостоятельно изображения горла без дополнительного оборудования, используя методы глубокого обучения для обнаружения фарингита. Мы показали, что обученные модели GAN способны генерировать новые реалистичные синтетические изображения горла, которые могут повысить точность диагностики.Окончательная модель глубокого обучения обеспечивает высокую точность автоматической диагностики фарингита с использованием изображений со смартфона. Таким образом, эта структура может быть нацелена на пациентов с болью в горле, которым требуется обследование на тяжелый фарингит. Мы считаем, что наше исследование может быть расширено до компьютерной диагностики с использованием изображений с эндоскопической системы в клиниках отоларингологии, аналогично тому, что было сделано с изображениями колоноскопа с использованием модели глубокого обучения [ 32 ].

    Насколько нам известно, исследований по выявлению фарингита на основе глубокого обучения с использованием изображений смартфонов не проводилось.Однако следует отметить, что это исследование рассматривается только как предварительное и подтверждающее концепцию исследование из-за его технических ограничений, связанных с использованием только Google Colab. Текущая структура исследования аналогична структуре исследования Chamier, который продемонстрировал структуру глубокого обучения с использованием Google Диска и обучения и прогнозирования в Google Colab [ 33 ]. Предлагаемый нами концептуальный рабочий процесс показан на . Для применения в реальных клинических условиях необходимы серверы и интерфейсы Flask, реализованные с использованием HTML и JavaScript.Эта работа может стать частью более крупного проекта по обнаружению фарингита с помощью смартфонов с помощью облачного анализа мобильных данных на уровне приложений. Мы считаем, что будущая модель на основе приложений может обеспечить надежное решение для экономичного и удобного скрининга фарингита в условиях телемедицины.

    Пример предлагаемой системы обнаружения фарингита на базе смартфона.

    Мы подчеркнули возможность использования смартфона с глубоким обучением для выявления фарингита.Наш подход не требует дополнительного оборудования для сбора изображений горла, и мы собирали изображения, сделанные самостоятельно, с помощью смартфона. Использование веб-захвата изображений пользователей с различных устройств и увеличения изображений на основе GAN может обеспечить надежную обработку изображений. Хотя в текущем исследовании реализация была выполнена на настольном компьютере и удаленном сервере Colab, приложение для смартфона также будет возможно выполнить эту идентификацию для выявления фарингита. Легкие модели глубокого обучения, такие как MobileNet, могут выполняться на смартфоне без передачи изображений на сервер [ 34 ].Наш результат показывает, что MobileNet-v2 также имеет высокую диагностическую производительность, аналогичную ResNet50 и Inception-v3. В будущих исследованиях потребуется больший объем обучающих данных для повышения точности обнаружения с использованием световых моделей. Использование глубинного обучения и смартфонов может способствовать широкому распространению платформ телемедицины и физического обследования с помощью нашего подхода. Кроме того, представленная структура с использованием камеры смартфона и методов глубокого обучения поможет пациентам в самообследовании на тяжелый фарингит и может ускорить диагностическую поддержку в удаленных медицинских услугах.Из-за недавней пандемии COVID-19 пациенты с респираторными симптомами нуждаются в самоконтроле для оценки своего патологического статуса [ 35 ]. Достижения в области технологий потребуют от врачей использования удаленных медицинских услуг. Схема, представленная в этой статье, была разработана для своевременной диагностики фарингита для лечения. Подобные диагностические подходы на основе изображений смартфонов были внедрены в нескольких других областях медицинских изображений, включая кожные заболевания [ 36 ], гематологические заболевания [ 5 ], заболевания полости рта [ 37 ] и болезни глаз [ 38 ] .

    Основная проблема моделей глубокого обучения в этом исследовании – невозможность обобщить границы принятия решений из небольшого количества наборов данных. В последнее время глубокое обучение с использованием методов обучения за несколько шагов позволяет модели изучать новую задачу с ограниченной информацией из нескольких экземпляров, включая предшествующие знания [ 39 ]. Поскольку большинство простых методов обучения основаны на предварительно обученных сетях CNN, наш подход также предполагает трансферное обучение на основе предварительно обученных сетей CNN. GAN может улучшить модели глубокого обучения с небольшими наборами данных путем создания новых обучающих экземпляров в настройке обучения за несколько шагов [ 40 ].Наш набор данных относительно невелик и несбалансирован, потому что сложно собрать самостоятельно сделанные патологические изображения горла с фарингитом. В этом исследовании была использована методика GAN для повышения точности глубокого обучения при обнаружении фарингита с помощью смартфона. Несколько предыдущих исследований в других областях медицины были сосредоточены на построении моделей GAN для увеличения объема данных [ [41] , [42] ]. В последнее время прогрессивно растущий GAN (PGGAN) [ 41 ], Pix2Pix и CycleGAN широко используются для генерации синтетических данных в медицинских областях.CycleGAN показал хорошие результаты при использовании небольшого набора данных и успешно применялся для классификации массы груди [ 43 ], увеличения изображений КТ и МРТ [ 44 ] и преобразования лица для прогнозирования результатов хирургического вмешательства [ 45 ]. Кроме того, CycleGAN обладает преимуществами очень интуитивной передачи домена изображений без сопоставления парных изображений. В соответствии с предыдущими исследованиями, наша работа показала улучшенную диагностическую точность с использованием модели CycleGAN на изображении горла.

    Это исследование имеет несколько ограничений.Во-первых, мы не рассматривали шкалу Маллампати, которая представляет собой простую систему классификации дыхательных путей для оценки риска сложной интубации трахеи [ 46 ]. Некоторые пациенты с более высоким баллом Маллампати не могут обнажить горло без использования депрессора для языка. Чтобы повысить полезность нашей структуры, необходимо автоматически оценивать показатель Маллампати, чтобы подтвердить видимость глотки. Кроме того, изображения горла с депрессорами языка также должны быть включены в набор данных для обучения пациентов с более высоким баллом по Маллампати.Во-вторых, наша модель глубокого обучения проанализировала изображения с низким разрешением 256 × 256 пикселей. Размер изображения был упорядочен на этапе увеличения CycleGAN. Решение может повлиять на классификацию случаев фарингита легкой степени тяжести. Будущие исследования должны улучшить разрешение изображения горла, чтобы поставить более точный диагноз. В-третьих, наборы данных для обучения и проверки включали ограниченное количество изображений горла. Хотя мы попытались собрать изображения горла из сетевых источников, мы не включили реальные изображения горла из реальных клинических условий.В одном из предыдущих исследований кожных заболеваний были изучены наборы клинических данных и наборы данных в Интернете и было показано, что маркировка изображений в Интернете часто бывает неопределенной [ 47 ]. Следовательно, для подтверждения эффективности нашей структуры потребуются дополнительные наборы клинических данных с проверкой. В-четвертых, поскольку мы собирали только изображения горла с помощью поисковых систем, не было никаких метаданных, включая пол, расу, сезон или возраст. Согласно предыдущему эпидемиологическому исследованию, эти факторы могут повлиять на эффективность выявления фарингита [ 48 ].В-пятых, несмотря на то, что наборы данных были проверены авторами, изображения потенциально могут дублироваться в наборе данных. Дублированные изображения повлияют на независимость набора данных проверки.

    Мы показали возможность глубокого обучения для обнаружения отека миндалин и экссудата на изображениях горла. Ограничения нашего исследования должны быть преодолены за счет наличия достаточного количества изображений горла, сделанных смартфоном с хорошо организованным протоколом исследования. Чтобы проверить эффективность нашей схемы, после разработки схемы на основе приложения в клинике следует провести проспективное исследование с большим количеством пациентов.Это решит проблему возможных дублированных изображений в наборе данных и отсутствия метаданных.

    5. Заключение

    В этом исследовании мы предложили модель глубокого обучения, основанную на трансферном обучении, для обнаружения тяжелого фарингита с помощью самостоятельно сделанных снимков горла с помощью смартфона. Модель CycleGAN успешно сгенерировала новые изображения горла для повышения эффективности классификации модели глубокого обучения. Наша модель выполнила бинарную классификацию с точностью и ROC-AUC 95.3% и 0,988 соответственно. Предлагаемый метод скрининга фарингита с помощью смартфона позволяет быстро выявить тяжелый фарингит и улучшить своевременную диагностику фарингита для соответствующего лечения и предотвращения осложнений. Кроме того, эта структура поможет пациентам с симптомами верхних дыхательных путей получить более удобный диагноз и лечение и защитит их от передачи во время недавней пандемии COVID-19.

    Заявление о конкурирующем интересе

    Ик Хи Рю – исполнительный директор VISUWORKS, Inc.Остальные авторы заявляют об отсутствии конкурирующих интересов.

    Мы хотим подтвердить, что эта работа не получила значительной финансовой поддержки, которая могла бы повлиять на ее результат.

    Приложение A. Дополнительные данные

    Ниже приведены дополнительные данные к этой статье:

    Ссылки

    1. Паппот Н., Таарнхой Г.А., Паппот Х. Решения в области телемедицины и электронного здравоохранения для COVID-19: взгляд пациентов. Телемед. J. E-Health Off. Варенье. Телемед. Доц. 2020 год: 10.1089 / tmj.2020.0099. [PubMed] [CrossRef] [Google Scholar] 2. Моррасс С.Э., Растаттер Дж.С., Хофф С.Р., Биллингс К.Р., Валика Т.С. Отоларингол.-Хирургия шеи шеи; 2020. Телемедицина во время пандемии COVID-19: перспектива детской отоларингологии. 194599820931827. [PubMed] [CrossRef] [Google Scholar] 3. Эртугрул Д.К., Улусой А.Х. Разработка основанной на знаниях медицинской экспертной системы для выработки предложений поддерживающего лечения для педиатрических пациентов. ETRI J. 2019; 41: 515–527. DOI: 10.4218 / etrij.2018-0428.[CrossRef] [Google Scholar] 4. Зулкифли М.А., Абдани С.Р., Зулкифли Н.Х. Pterygium-Net: подход глубокого обучения к обнаружению и локализации птеригиума. Мультимед. Инструмент. Прил. 2019; 78: 34563–34584. DOI: 10.1007 / s11042-019-08130-х. [CrossRef] [Google Scholar] 5. де Хаан К., Джейлан Койдемир Х., Ривенсон Ю., Ценг Д., Ван Дайн Э., Бакич Л., Каринка Д., Лян К., Иланго М., Гумустекин Э., Озкан А. Автоматическое обследование серпа клетки с помощью микроскопа на базе смартфона и глубокого обучения. Npj Digit. Med.2020; 3: 1–9. DOI: 10.1038 / s41746-020-0282-у. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 6. Ван Т.Т., Мата К., Дьен Бард Дж. Автоматическое обнаружение фарингита Streptococcus pyogenes с использованием программного обеспечения модуля хромогенного обнаружения искусственного интеллекта colorex strep A CHROMagar и WASPLab. J. Clin. Microbiol. 2019; 57 DOI: 10.1128 / JCM.00811-19. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 7. Шейх Н., Леонард Э., Мартин Дж. М. Распространенность стрептококкового фарингита и стрептококкового носительства у детей: метаанализ.Педиатр. 2010; 126: 557–564. DOI: 10.1542 / peds.2009-2648. [PubMed] [CrossRef] [Google Scholar] 8. Рао А., Берг Б., Кесада Т., Фейдер Р., Уокер К., Танг С., Коуэн У., Дункан Д., Сиклер Дж. Диагностика и лечение антибиотиками стрептококкового фарингита группы А у детей в учреждениях первичной медико-санитарной помощи настройка: воздействие полимеразной цепной реакции в месте оказания медицинской помощи. BMC Pediatr. 2019; 19:24. DOI: 10.1186 / s12887-019-1393-у. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 9. Васкес М.Н., Сандерс Дж.Э. Диагностика и лечение стрептококкового фарингита группы А и связанных с ним осложнений.Педиатр. Emerg. Med. Практик. 2017; 14: 1–20. [PubMed] [Google Scholar] 10. Нортон Л.Е., Ли Б.Р., Харт Л., Манн К., Ньюленд Дж.Г., Граймс Р.А., Майерс А.Л.Улучшение тестирования на стрептококковый фарингит на основе рекомендаций: инициатива по улучшению качества. Педиатрия. 2018; 142 DOI: 10.1542 / peds.2017-2033. [PubMed] [CrossRef] [Google Scholar] 11. Аскарян Б., Ю С.-К., Чонг Дж. В. Новый метод обработки изображений для обнаружения стрептококкового фарингита с помощью смартфона. Датчики. 2019; 19 DOI: 10.3390 / s19153307.[Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 12. Янда М., Хоршем К., Вагенас Д., Лешер Л.Дж., Гиллеспи Н., Кох У., Куриэль-Левандровски К., Хофманн-Велленхоф Р., Халперн А., Уайтман Д.С., Уитти Дж. А., Смитерс Б.М., Сойер Х.П. Точность мобильной цифровой теледермоскопии для самообследования кожи у взрослых с высоким риском рака кожи: открытое рандомизированное контролируемое исследование. Lancet Digit. Здоровье. 2020; 2: e129 – e137. DOI: 10.1016 / S2589-7500 (20) 30001-7. [CrossRef] [Google Scholar] 13.Фрид-Адар М., Диамант И., Кланг Э., Амитаи М., Голдбергер Дж., Гринспен Х. Синтетическое медицинское увеличение изображений на основе GAN для повышения эффективности CNN при классификации поражений печени. Нейрокомпьютеры. 2018; 321: 321–331. DOI: 10.1016 / j.neucom.2018.09.013. [CrossRef] [Google Scholar] 14. Чжу Ж.-Й., Парк Т., Изола П., Эфрос А.А. Непарный преобразование изображения в изображение с использованием согласованных по циклу состязательных сетей. Proc. IEEE Int. Конф. Comput. Vis. 2017: 2223–2232. [Google Scholar] 15. Ю Т.К., Чхве Дж.Й., Ким Х.K. Метод глубокого обучения на основе CycleGAN для уменьшения артефактов при фотографии глазного дна. Graefes Arch. Clin. Exp. Офтальмол. 2020 DOI: 10.1007 / s00417-020-04709-5. [PubMed] [CrossRef] [Google Scholar] 16. Nakasi R., Mwebaze E., Zawedde A., Tusubira J., Akera B., Maiga G. Новый подход к микроскопической диагностике малярийных паразитов в толстых мазках крови с использованием предварительно обученных моделей глубокого обучения. SN Appl. Sci. 2020; 2: 1255. DOI: 10.1007 / s42452-020-3000-0. [CrossRef] [Google Scholar] 17. Минаи С., Кафи Р., Сонка М., Яздани С., Джамалипур Суфи Г. Deep-COVID: прогнозирование COVID-19 на основе рентгеновских снимков грудной клетки с использованием глубокого трансферного обучения. Med. Изображение Анал. 2020: 101794. DOI: 10.1016 / j.media.2020.101794. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 18. Choi J.Y., Yoo T.K., Seo J.G., Kwak J., Um T.T., Rim T.H. Мульти-категориальная нейронная сеть с глубоким обучением для классификации изображений сетчатки: пилотное исследование с использованием небольшой базы данных. PLoS One. 2017; 12 DOI: 10.1371 / journal.pone.0187336. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 19.Эль-Аснауи К., Чавки Ю. Использование рентгеновских изображений и глубокого обучения для автоматического обнаружения коронавирусной болезни. J. Biomol. Struct. Дин. 2020: 1–12. DOI: 10.1080 / 073

    .2020.1767212. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 20. Кермани Д.С., Гольдбаум М., Цай В., Валентим CCS, Лян Х., Бакстер С.Л., МакКаун А., Ян Г., Ву Х., Ян Ф., Донг Дж., Прасадха М.К., Пей Дж., Тинг Майл , Zhu J., Li C., Hewett S., Dong J., Ziyar I., Shi A., Zhang R., Zheng L., Hou R., Shi W., Fu X., Duan Y., Huu В.AN, Wen C., Zhang ED, Zhang CL, Li O., Wang X., Singer MA, Sun X., Xu J., Tafreshi A., Lewis MA, Xia H., Zhang K. Определение медицинских диагнозов и поддающихся лечению болезни путем глубокого обучения на основе изображений. Клетка. 2018; 172: 1122–1131. DOI: 10.1016 / j.cell.2018.02.010. e9. [PubMed] [CrossRef] [Google Scholar] 21. Ю Т.К., Чой Дж. Ю., Со Дж. Г., Рамасубраманян Б., Селваперумал С., Ким Д. В. Возможность комбинации ОКТ и изображений глазного дна для повышения диагностической точности глубокого обучения возрастной дегенерации желтого пятна: предварительный эксперимент.Med. Биол. Англ. Comput. 2019; 57: 677–687. DOI: 10.1007 / s11517-018-1915-z. [PubMed] [CrossRef] [Google Scholar] 22. Лу Л., младший Б.Дж. Прогностический анализ гистопатологических изображений с использованием предварительно обученных сверточных нейронных сетей: приложение к гепатоцеллюлярной карциноме. PeerJ. 2020; 8 DOI: 10.7717 / peerj.8668. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 23. Sabottke C.F., Spieler B.M. Влияние разрешения изображения на глубокое обучение в рентгенографии. Радиол. Артиф. Intell. 2020; 2 doi: 10.1148 / ryai.20191

    . [CrossRef] [Google Scholar] 24. ван дер Маатен Л., Хинтон Г. Визуализация данных с использованием t-SNE. J. Mach. Учить. Res. 2008; 9: 2579–2605. [Google Scholar] 25. Ю Т.К., Рю И.Х., Чой Х., Ким Дж.К., Ли И.С., Ким Дж.С., Ли Г., Рим Т. Объяснимый подход машинного обучения как инструмент для понимания факторов, используемых для выбора техники рефракционной хирургии на экспертном уровне. Пер. Vis. Sci. Technol. 2020; 9 8–8. [Бесплатная статья PMC] [PubMed] [Google Scholar] 26. Хэ Т., Го Дж., Чен Н., Сюй X., Ван З., Фу К., Лю Л., Йи З. MediMLP: использование grad-CAM для извлечения важнейших переменных для прогнозирования послеоперационных осложнений при раке легких. IEEE J. Biomed. Здоровье Информ. 2020; 24: 1762–1771. DOI: 10.1109 / JBHI.2019.2949601. [PubMed] [CrossRef] [Google Scholar] 27. Флусс Р., Фараджи Д., Райзер Б. Оценка индекса Юдена и связанной с ним точки отсечения. Биом. J. 2005; 47: 458–472. [PubMed] [Google Scholar] 28. Карнейро Т., Медейрос Да НоБрега Р.В., Непомуцено Т., Биан Г.-Б., Де Альбукерке В.Х.С., Филью П.P.R. Анализ производительности совместной работы Google как инструмента для ускорения приложений глубокого обучения. Доступ IEEE. 2018; 6: 61677–61685. DOI: 10.1109 / ACCESS.2018.2874767. [CrossRef] [Google Scholar] 29. Нельсон М.Дж., Гувер А.К. Proc. 2020 ACM Conf. Иннов. Technol. Comput. Sci. Educ. 2020. Примечания по использованию совместной лаборатории Google в образовании ИИ; С. 533–534. [Google Scholar] 30. Chamberland F., Maurina T., Degano-Valmary S., Spicarolen T., Chaigneau L. Ангиосаркома: клинический случай заболевания десен с локализацией обеих небных миндалин.Редкие опухоли. 2016; 8: 113–117. [Бесплатная статья PMC] [PubMed] [Google Scholar] 31. Зильберштейн Б., де Клева Р., Теста Р.С., Сене У., Эшкенази Р., Гама-Родригес Дж. Дж. Некротический фасциит шейки матки, вызванный бактериальным тонзиллитом. Клиники. 2005. 60: 177–182. [PubMed] [Google Scholar] 32. Рибейро Э., Уль А., Виммер Г., Хефнер М. Изучение глубокого обучения и трансферного обучения для классификации полипов толстой кишки. Comput. Математика. Методы Мед. 2016: 6584725. DOI: 10.1155 / 2016/6584725. 2016. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 33.von Chamier L., Laine RF, Jukkala J., Spahn C., Lerche M., Hernández-Pérez S., Mattila PK, Karinou E., Holden S., Solak AC, Krull A., Buchholz T.-O. , Jug F., Royer LA, Heilemann M., Jacquemet G., Henriques R. ZeroCostDL4Mic: открытая платформа для упрощения доступа и использования глубокого обучения в микроскопии. BioRxiv. 2020: 2020. DOI: 10.1101 / 2020.03.20.000133. 20.03.000133. [CrossRef] [Google Scholar] 34. Маэда Х., Сэкимото Ю., Сето Т., Кашияма Т., Омата Х. Обнаружение и классификация дорожных повреждений с использованием глубоких нейронных сетей с изображениями смартфонов.Comput. Aided Civ. Инфраструктура. Англ. 2018; 33: 1127–1141. DOI: 10.1111 / мыши.12387. [CrossRef] [Google Scholar] 35. Greenhalgh T., Koh G.C.H., Car J. Covid-19: дистанционная оценка в первичной медико-санитарной помощи. BMJ. 2020; 368 DOI: 10.1136 / bmj.m1182. [PubMed] [CrossRef] [Google Scholar] 36. Хан С.С., Пак И., Чанг С.Э., Лим В., Ким М.С., Пак Г.Х., Чэ Дж.Б., Хух С.Х., На Дж.-И. Дерматология с расширенным интеллектом: глубокие нейронные сети позволяют профессионалам-медикам диагностировать рак кожи и прогнозировать варианты лечения 134 кожных заболеваний.J. Invest. Дерматол. 2020 doi: 10.1016 / j.jid.2020.01.019. 0. [PubMed] [CrossRef] [Google Scholar] 37. Петруцци М., Де Бенедиттис М. WhatsApp: телемедицинская платформа для облегчения дистанционных консультаций по оральной медицине и улучшения клинических обследований. Oral Surg. Oral Med. Oral Pathol. Oral Radiol. 2016; 121: 248–254. DOI: 10.1016 / j.oooo.2015.11.005. [PubMed] [CrossRef] [Google Scholar] 38. Пуджари А., Мукхиджа Р., Сингх А. Б., Чавла Р., Шарма Н., Кумар А. Фотография переднего сегмента высокого разрешения с помощью смартфона.Индийский J. Ophthalmol. 2018; 66: 1375–1376. DOI: 10.4103 / ijo.IJO_544_18. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 39. Фэн С., Дуарте М.Ф. Распознавание человеческой активности на основе нескольких снимков. Эксперт Syst. Прил. 2019; 138: 112782. DOI: 10.1016 / j.eswa.2019.06.070. [CrossRef] [Google Scholar] 40. Zhang R., Che T., Ghahramani Z., Bengio Y., Song Y. Adv. Neural Inf. Процесс. Syst. 2018. Metagan: состязательный подход к обучению с использованием нескольких кадров; С. 2365–2374. [Google Scholar] 41. Хан К., Рундо Л., Араки Р., Фурукава Ю., Маури Г., Накаяма Х., Хаяси Х. Бесконечные МРТ-изображения мозга: увеличение данных на основе PGGAN для обнаружения опухолей. В: Эспозито А., Фаундес-Зануй М., Морабито Ф.С., Пасеро Э., редакторы. Нейронные подходы Дин. Сигнал Exch. Springer; Сингапур: 2020. С. 291–303. [CrossRef] [Google Scholar] 42. Ониши Ю., Терамото А., Цудзимото М., Цукамото Т., Сайто К., Тояма Х., Имаидзуми К., Фудзита Х. Мультипланарный анализ классификации легочных узелков на КТ-изображениях с использованием глубокой сверточной нейронной сети и генеративных состязательных сетей.Int. J. Comput. Ассистент. Радиол. Surg. 2020; 15: 173–178. DOI: 10.1007 / s11548-019-02092-z. [PubMed] [CrossRef] [Google Scholar] 43. Мурамацу К., Нишио М., Гото Т., Оива М., Морита Т., Яками М., Кубо Т., Тогаши К., Фудзита Х. Улучшение классификации массы груди с помощью общих данных с преобразованием домена с использованием генеративной враждебной сети . Comput. Биол. Med. 2020; 119: 103698. DOI: 10.1016 / j.compbiomed.2020.103698. [PubMed] [CrossRef] [Google Scholar] 44. Ли Д., Мун В.-Дж., Йе Дж.С. Оценка важности контрастов магнитного резонанса с использованием совместных генеративных враждебных сетей.Nat. Мах. Intell. 2020; 2: 34–42. DOI: 10.1038 / s42256-019-0137-х. [CrossRef] [Google Scholar] 45. Ю Т.К., Чой Дж.Й., Ким Х.К. Генеративный состязательный сетевой подход к прогнозированию послеоперационного внешнего вида после операции орбитальной декомпрессии при заболевании щитовидной железы. Comput. Биол. Med. 2020: 103628. DOI: 10.1016 / j.compbiomed.2020.103628. [PubMed] [CrossRef] [Google Scholar] 46. Nuckton T.J., Glidden D.V., Browner W.S., Claman D.M. Физическое обследование: оценка Маллампати как независимый прогностический фактор обструктивного апноэ во сне.Спать. 2006; 29: 903–908. DOI: 10,1093 / сон / 29.7.903. [PubMed] [CrossRef] [Google Scholar] 47. Хан С.С., Пак Г.Х., Лим В., Ким М.С., На Дж.И., Пак И., Чанг С.Э. Глубокие нейронные сети демонстрируют эквивалентную и часто превосходящую эффективность дерматологов в диагностике онихомикоза: автоматическое построение наборов данных по онихомикозу с помощью региональной сверточной глубокой нейронной сети. PLoS One. 2018; 13 DOI: 10.1371 / journal.pone.01. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 48. Линь М.-Х., Чанг П.-F., Fong W.-K., Yen C.-W., Hung K.-L., Lin S.-J. Эпидемиологические и клинические особенности стрептококкового фарингита группы А у детей. Acta Paediatr. Тайваньский Тайвань Эр Кэ Йи Сюэ Хуэй За Чжи. 2003. 44: 274–278. [PubMed] [Google Scholar]

    Боль в горле и затрудненное дыхание – Фотогалерея

    Am Fam Physician. 2001, 1 июня; 63 (11): 2255-2256.

    36-летняя женщина без значительного анамнеза в прошлом обратилась с двухдневной историей боли в горле, которая прогрессивно ухудшалась в течение предыдущих шести часов, с сопутствующей одинофагией.Также она жаловалась на легкую одышку и «ощущение комка» в горле. Никаких симптомов недавней лихорадки или озноба не было. Она не могла получить облегчение от лекарств, отпускаемых без рецепта, потому что не могла глотать таблетки. Однако она могла без труда глотать выделения. При осмотре было отмечено, что она сидит прямо и дышит без тахипноэ, втягивания или стридора. Ее голос был слегка приглушенным. При осмотре глотки выявлена ​​эритема задней части глотки без экссудата.Присутствовала двусторонняя лимфаденопатия шеи. Обследование легких у пациента без особенностей. Была сделана боковая рентгенограмма мягких тканей шеи (см. Прилагаемый рисунок).

    Вопрос

    Какое из следующих состояний является наиболее вероятным диагнозом на основании истории болезни пациента и физического осмотра?

    А. Круп.

    Б. Бактериальный трахеит.

    C. Эпиглоттит.

    Д.Заглоточный абсцесс.

    E. Аспирация инородных тел.

    Обсуждение

    Правильный ответ – C: острый эпиглоттит у взрослых. У пациента был острый эпиглоттит со значительной обструкцией дыхательных путей.

    Характерный лающий кашель для крупа не характерен для эпиглоттита, а в случае крупа надгортанник не так воспален и отечен. Хотя взрослые заражаются инфекциями верхних дыхательных путей от тех же вирусных агентов, которые вызывают круп у младенцев и маленьких детей, их больший диаметр дыхательных путей предотвращает сужение, которое вызывает классический лающий кашель и стридор на вдохе.Рентгенограммы шеи у пациентов с крупом обычно показывают субэпигортальное сужение (ступенчатый признак) и надгортанник нормального размера.

    Бактериальный трахеит (также называемый псевдомембранозным крупом) – это необычная инфекция, которая обычно возникает у детей и имеет тяжелое, быстро прогрессирующее течение. Начало острое и связано с обильными гнойными выделениями, высокой температурой и стридором. При осмотре задней части глотки обычно выявляется серо-белая псевдомембрана.

    Заглоточные абсцессы также чаще всего встречаются у маленьких детей и представляют собой осложнения инфицированных заглоточных лимфатических узлов.Это состояние маловероятно у взрослых, потому что ретрофарингеальные лимфатические узлы обычно уменьшаются или исчезают в зрелом возрасте. У детей инфекция (обычно бета-гемолитический стрептококк) распространяется на лимфатические узлы из инфицированного среднего уха, носового прохода, носа или аденоидов. У взрослых необычное возникновение заглоточных абсцессов может быть связано с перфорацией задней стенки инородными телами или инструментами. Основные проявления – дисфагия, шейная лимфаденопатия, одышка и перерастяжение шеи без менингеальных признаков.На боковых рентгенограммах шеи видно расширение предвертебрального пространства. Фактический абсцесс часто можно увидеть на компьютерной томографии.

    Хотя аспирацию инородного тела всегда следует рассматривать в случаях острого начала дисфагии и респираторной обструкции, это, скорее всего, связано с внезапным кашлем и удушьем при отсутствии предшествующей инфекции верхних дыхательных путей.

    Эпиглоттит – это тяжелая, быстро прогрессирующая инфекция надгортанника, потенциально смертельная из-за внезапной обструкции дыхательных путей воспаленными надгортанниками и надгортанниками.У взрослых эпиглоттит часто называют супраглоттитом, потому что воспаление обычно не ограничивается надгортанником, но может также возникать в структуре над ним. Haemophilus influenzae типа b (Hib) по-прежнему является наиболее распространенным патогеном, хотя заболеваемость H. influenzae в настоящее время намного меньше при использовании вакцины Hib. Другие потенциальные причины включают стрептококки и золотистый стафилококк, а также вирусные источники. У взрослых для успешного лечения требуется раннее распознавание эпиглоттита.

    Рентгенологическое исследование шеи при эпиглоттите показывает явно увеличенный надгортанник (признак большого пальца) и вздутие гортани. Прямая визуализация надгортанника с помощью ларингоскопа, если попытаться обнаружить, выявляет мускулистый красный, отечный надгортанник. Были случаи закрытия дыхательных путей во время обследования, и существуют разногласия по поводу того, следует ли пытаться это сделать. Этот пациент получил немедленную терапию антибиотиками, парентеральные стероиды и тщательное наблюдение в отделении интенсивной терапии с использованием оборудования для быстрой интубации.

    Фотографии и изображения дифтерии – информирование персонала и пациентов о дифтерии

    Загрузите эти изображения для использования в лекциях и презентациях. Расскажите персоналу и пациентам о дифтерии и важности вакцинации.
    Информация об авторских правах: Большинство изображений в этом разделе фотографий находятся в общественном достоянии и могут быть воспроизведены свободно.В качестве любезности просьба указать источник изображения. Изображения, сопровождаемые символом авторского права, размещаются с разрешения правообладателей (в исходной строке указана контактная информация: адрес электронной почты, ссылка на веб-сайт) и не могут быть воспроизведены без явного разрешения правообладателя.
    Сопутствующие материалы из IAC
    Вакцины
    Последние рекомендации, новости, информация и ресурсы от IAC
    Наборы слайдов PowerPoint
    Наборы слайдов по вопросам иммунизации и болезням, которые можно предотвратить с помощью вакцин
    Истории незащищенных людей
    Истории и отзывы о людях, которые пострадали или умерли от болезней, предупреждаемых с помощью вакцин
    Видео недели
    Еженедельная подборка ВАС рекламных роликов и видеороликов, повышающих осведомленность о проблемах иммунизации

    Перитонзиллярный абсцесс (ангина) – эншо.com

    Оценка и распознавание

    Типичные симптомы перитонзиллярного абсцесса включают: Боль в горле, часто намного хуже с одной стороны, чем с другой (+/- оталгия)

    • Голос «толстый» или «горячий картофель» (не хриплый, хриплый голос)

    • Stertor

    • Тризм

    • Неспособность проглотить больше, чем слюна, глоток или вода

    Ключевые признаки, которые часто отличают ангину от тонзиллита: тризма

  • На пораженной стороне передняя дуга будет сдвинута медиально

  • На пораженной стороне небо будет выпуклым к вам т.е. обычно вогнутое небо становится выпуклым

  • Язычок может быть отодвинута от пораженной стороны

  • На пораженной стороне слизистая дуги и неба может выглядеть гневно эритематозной 9000 6

  • Асимметрично опухшая миндалина НЕ является перитонзиллярным абсцессом.

    Скопление перитонзиллярного абсцесса в перитонзиллярном пространстве латеральнее миндалины – см. Фото.

    Если опухоль менее выражена, это может быть перитонзиллярный целлюлит («ранняя ангина»), как на фото Б. При аспирации гной не выделяется. Этим людям по-прежнему будут лечить перитонзиллярный абсцесс и выписать их, если их состояние улучшится.

    Если фотографии B и C похожи, это потому, что эти два состояния представляют собой часть спектра от перитонзиллярного целлюлита до образования перитонзиллярного абсцесса.Более важно уметь отличать тонзиллит от перитонзиллярного абсцесса / целлюлита

    Немедленное и быстрое лечение

    Абсцессы нуждаются в аспирации или I&D, и, если тризм не является большой проблемой, раннее вмешательство приносит значительное облегчение.

    Если вы не можете быть уверены в наличии перитонзиллярного абсцесса или просто целлюлита, было бы разумно получить второе мнение и, если вы все еще не уверены, провести аспирацию возможного абсцесса, учитывая потенциальные преимущества.Просто будьте честны с пациентом, что есть вероятность «сухого удара» – большинство из них отчаянно пытается поправиться.

    Осмотр рта может быть затруднен при наличии значительного тризма. В этом случае допустите пациента, дайте ему внутривенное лечение (см. Ниже) и проведите повторное обследование позже. Начальное лечение может улучшить ваш обзор.

    Хорошая отправная точка при приеме пациентов:

    • Внутривенный доступ

    • FBC, U & Es, LFT, тест на гландулярную лихорадку

    • Обычная базовая внутривенная / пероральная анальгезия e.грамм. парацетамол и ибупрофен, с более сильными PRN

    • Местный обезболивающий спрей, например бензидаминовый спрей

    • Жидкостная реанимация – подавляющее большинство пациентов молодые и обезвоженные, восстанавливаются после 1 л физиологического раствора

    • Некоторые хирурги назначают однократную дозу стероида (например, 6,6 мг дексаметазона внутривенно), чтобы дать толчок выздоровление, особенно у пациентов со стероидом

    • Посоветуйте пациентам с повышенным храпом или стероидом спать в полу вертикальном положении

    Дальнейшее ведение

    Организуйте последующее наблюдение за всеми пациентами старше 40 лет с перитонзиллярным абсцессом.Это может быть основная патология (см. Fort et al ниже).

    Рецидивирующий тонзиллит может значительно нарушить учебу и трудовую жизнь. В Великобритании из-за ангины ежегодно теряется около 35 миллионов дней (ENT UK 2009). Ангина в анамнезе обычно считается разумным показанием для плановой тонзиллэктомии. Вот некоторые согласованные заявления о предложении тонзиллэктомии:

    Ссылки

    Позиционный документ ЛОР Великобритании по тонзиллэктомии (2009)

    Шотландская межвузовская сеть рекомендаций (SIGN) Показания для тонзиллэктомии (2010)

    Fort et al, Am J Emerg Med 2013

    Последняя проверка страницы: 2 апреля 2020 г.

    На этой фотографии не показано горло, инфицированное новым коронавирусом

    Авторские права AFP 2017-2021.Все права защищены.

    Фотография, которую тысячи раз опубликовали в Facebook, утверждает, что на ней видно горло пациента с новым коронавирусом. Заявление ложное; изображение распространялось в Интернете с мая 2018 года, задолго до пандемии COVID-19.

    «Эксклюзивное изображение горла пациента, инфицированного коронавирусом Covid19», – гласит текст на изображении, опубликованном здесь и здесь на английском, а также на испанском языке с 12 апреля 2020 года в Facebook. Снимком также поделились в Instagram и Twitter.

    Скриншот фальшивого сообщения в Facebook, сделанный 16 апреля 2020 г.

    AFP Fact Check провела обратный поиск изображений и определила, что фотография была размещена на Reddit 29 мая 2018 г.

    «Это нормальный вид ангины? Много белых пятен на миндалинах и даже на задней стенке горла », – спрашивает пользователь, разместивший фото.

    Скриншот оригинальной записи Reddit от 29 мая 2018 г., сделанной 17 апреля 2020 г.

    На вопрос о фотографии доктор Фернандо Де Ла Хос, эпидемиолог и директор Департамента общественного здравоохранения Национального университета Колумбии, сказал AFP на испанском языке, что «это не типично для коронавируса.”

    Новый коронавирус – это вирусная инфекция, и, по словам Де Ла Хоза, «эти поражения кажутся бактериальными».

    Тот же пользователь, который поделился фотографией на Reddit, позже опубликовал сообщение, в котором объяснялось, что после прохождения лабораторного анализа у них был диагностирован «мерса в горле».

    Согласно данным Центров США по контролю и профилактике заболеваний, MRSA является «метициллин-устойчивым золотистым стафилококком, типом бактерий, устойчивых к нескольким антибиотикам».

    Боль в горле – один из симптомов COVID-19 по данным Всемирной организации здравоохранения.

    Новый коронавирус был впервые обнаружен в декабре 2019 года в китайском городе Ухань и с тех пор распространился по всему миру. По данным Университета Джонса Хопкинса, по состоянию на 20 апреля 2020 года зарегистрировано более 2,4 миллиона случаев заболевания и 166000 смертей.

    Агентство AFP Fact Check опровергло более 340 ложных и вводящих в заблуждение заявлений о COVID-19.

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *