將來有一天，智能音箱也可以救命

每年都有近50萬美國人因心臟驟停死亡。發病時，病人會突然失去反應、呼吸停止或大口喘氣（即瀕死呼吸）。此時立即對其施行CPR（心肺復舒術）可以讓他們的存活幾率提高一倍或兩倍，但這需要有旁觀者在場。

心臟驟停現象經常發生在醫院之外，尤其是一些比較私人的地方，如一個人的家中。此前曾有研究表明，卧室是最經常發生這一事件的地方，但病人身邊要麼沒有人，要麼同伴沒有醒過來為其提供幫助。

好消息是，來自美國華盛頓大學的研究者們最近研究出了一種不用接觸就可以監測人們是否發生心臟驟停的新工具。這種技術可以讓智能音箱——比如谷歌的Home和亞馬遜的Alexa——或智能手機監測病人瀕死呼吸時的大口喘氣聲並撥打急救電話。平均來說，經訓練之後的概念性工具在6米距離上可以捕捉到97%的瀕死呼吸聲。相關結果於6月19日發表在《npj 數字醫學》雜誌。

「很多人的家裡有智能音箱。」論文的共同作者華盛頓大學計算機科學與工程學院副教授Shyam Gollakota說，「我們設想的是一種非接觸式系統，它可以無間斷地、被動地監測卧室中的瀕死呼吸事件，並在情況發生時通知附近的人對病人做CPR，以及在無回應時自動撥打急救電話。」

急救中心的數據表示，心臟驟停病人中約有一半會出現瀕死呼吸癥狀，而且這些人有更高的幾率活下來。「當病人經歷非常嚴重的缺氧狀況時，就會大口喘息。」華盛頓大學醫學院麻醉學和疼痛醫學助理教授，同時也是論文的作者之一的Jacob Sunshine博士說，「這是一種獨特的喉部喘息聲，可以用來作為心臟驟停發生時的聲音標誌物。」

研究人員從西雅圖緊急醫療服務中心接到的急救電話中收集了瀕死呼吸的聲音。這是因為撥打急救電話的人通常會把電話放到病人嘴邊，讓醫護人員憑藉聲音判斷是否要對其進行CPR。該研究小組在收集了2009年至2017年間的162個電話，並在每一次瀕死呼吸聲開始時提取2.5秒的音頻，最終得到236個音頻片段。之後，他們在不同的智能設備——亞馬遜的Alexa、iPhone 5s和三星的Galaxy S4——上捕捉了這些錄音，並使用各種機器學習技術將數據集提升到7316個正片段。

「我們在不同距離上播放了這些片段，用來模擬病人在卧室的不同位置發出瀕死呼吸聲時聽起來是怎樣的。」論文的第一作者 Justin Chan說，「我們還添加了一些你經常會在家裡聽到的干擾聲音，如貓和狗的叫聲、汽車喇叭聲、冰箱聲等。」

至於陰性對照組數據，研究組利用收集自睡眠研究中的83小時音頻，製作了7305條聲音樣本。這些樣本包括了人們睡覺時發出的各種典型聲音，如打鼾聲。

利用這些數據集，研究小組使用機器學習方法創建了一個工具，它可以讓智能設備在距發出聲音的揚聲器6米遠的地方，檢測到97%的瀕死呼吸聲。

下一步研究者將對演算法進行檢測，以確認該工具不會在偶然的情況下將不同類型的呼吸聲——如鼾聲——歸類為瀕死呼吸聲。「我們不想在不必要的情況下驚擾急救中心或者是使用者的親人，因此降低假陽性率是非常重要的。」Chan說。

根據睡眠實驗室的數據，該演算法將其它呼吸聲錯認為瀕死呼吸聲的概率是0.14%。對於單獨的音頻剪輯（志願者在自己家中錄製的睡眠時的音頻）來說，假陽性率為0.22%。但是當研究小組只將間隔至少10秒時間內檢測到的兩個不同事件歸類為瀕死呼吸聲時，兩種測試的假陽性率都降到了0%。

該團隊設想，該演算法可以像應用程序一樣運行，或者像Alexa那樣在人們睡覺時在智能揚聲器或智能手機上被動運行。「它可以在Alexa中包含的處理器上本地運行，並且是實時的，所以你不需要存儲任何東西，也不需要把任何東西發送到雲端。」Gollakota說，「不過我們需要獲得更多與心臟驟停有關的急救電話，這樣我們才能進一步提高演算法的準確性，並確保它能在更大範圍內推廣。」

「心臟驟停是導致人們死亡的一種非常常見的病症，很多人可能在沒有人目睹的情況下死亡。」Sunshine說，「這項技術之所以如此引人注目，部分原因在於它可以幫助我們及時發現更多的病人，讓他們得到治療。」

科界原創

編譯：Max

審稿：alone

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！