当医生通过听诊器倾听患者心脏时，他们会听到心脏瓣膜在打开和关闭时发出的独特扑通声，以此来检测瓣膜泄漏、卡住或滑出位置时发出的细微杂音。
然而，人体内充斥着各种噪声，比如血流声，肚子咕咕声和呼吸声，在这些声音里，医生们很容易就会错过象征瓣膜性心脏病的声音。
这个时候，人工智能（AI）出现了。史蒂文斯理工学院（Stevens Institute of Technology）的研究人员开发了一种新型诊断工具，可以根据短时间的音频数据来检测和辨别瓣膜疾病，以此取代容易出错的人耳。
2023年9月出版的《IEEE生物医学工程汇刊》（IEEE Transactions on Biomedical Engineering）的上刊登了这一研究，其结果令人震惊：在短短的几秒钟内，该团队的AI工具就可以检测出瓣膜性心脏病（VHD， valvular heart disease），灵敏度达到93%，特异性达到98%，这意味着在未来，瓣膜性心脏病的漏诊率和误诊率将大大降低。
该项目的首席研究员、电气和计算机工程副教授Negar Ebadi解释说：“大多数VHD病例都是因为人为错误而被漏诊的，所以我们引入了人工智能来帮助人类。”
事实上，研究表明，标准听诊器检查仅能发现44%的VHD病例，这就意味着当最终发现患者的病情，并开始治疗时，其疾病早已严重恶化，这给医疗保健系统带来的成本超过420亿美元/年。
该团队使用接触式麦克风进行了10秒钟的录音，这种接触式麦克风可以直接检测患者胸部的声音振动。然后，将这些数据输入一个AI模型，该模型改编自语音处理算法，此类算法通常用于分离嘈杂对话中的每个声音。
不同之处在于，该AI模型检测的不是个人的声音，而是特定类型心脏病的音频特征。通过将音频信号拆解，该团队的神经网络就能够从单个数据样本中快速识别出五种不同的瓣膜性疾病，即使单个患者存在多个疾病。在几秒钟内，该AI模型就可以给出一个由1和0组成的简单五位数字串：0代表阴性结果，1代表检测到的每个瓣膜病。
该AI模型的一个关键创新就是能够同时检测多种疾病，其不仅仅能发现瓣膜问题，还能够准确辨别患者面临的是哪一种问题。
虽然研究人员以前曾使用神经网络来检测VHD，但本次研究首次使用了加速度计，取代了复杂笨重的机器。其模型也明显优于之前的AI诊断方法，更准确、更强大，并且具有广阔的发展空间。
信息源于：medicalxpress
  关于我们  
21dB声学人是中国科学院声学研究所苏州电声产业化基地旗下科技媒体，专注于声学新技术、音频测试与分析、声学市场调研、声学学习社群建设等。
  合作推广  
稿件投稿  ｜  项目推广  ｜  创业支持
请发送需求至以下邮箱，我们将派专人与您联系
[email protected]
  版权声明  
文中所有图片和文字版权归21dB声学人所有
如需转载或媒体合作，请与我们联系
继续阅读
阅读原文