作者：Megan Scudellari 这个人工智能系统可检测心脏停止跳动时发出的独特的喘息声。 当一个人的心脏出现故障，突然停止跳动，除非有人介入，否则几分钟内就会死亡。一个旁观者立即进行心肺复苏可以使一个人在心脏骤停中存活的几率增加三倍。 去年七月，我们介绍过一款智能手表，旨在检测心脏骤停并寻求帮助。现在，华盛顿大学的一个研究小组开发了一种完全非接触式人工智能系统，它可以监听痛苦呼吸的信号声音——一种由 50% 的心脏骤停患者发出的独特的喉部喘息声。 这款智能扬声器系统的具体内容发表在 npj Digital Medicine 上，在概念验证研究中，检测到的呼吸困难事件中的 97% 都没有错误的警报。 研究小组设想使用这个可以在亚马逊的 Alexa 或 Google Home 上运行的工具，以及其他设备来被动地监控卧室的痛苦呼吸声，如果检测到，就会发出警报。 他是一家将心脏骤停装置商业化的分拆公司 UW 医学和股权持有者的医生和研究人员。他设想系统会提醒当地的人尽快找到病人，同时直接拨打 911 让病人尽快赶到医院。 最近一项关于日本心脏骤停的研究表明，卧室是家中心脏骤停最常见的地方之一。该小组训练了一种机器学习算法，利用从 911 呼叫西雅图紧急医疗服务中心获取的一组独特的真实实例，识别卧室中痛苦的呼吸。旁观者经常把电话放在病人的嘴边，这样调度员就可以判断病人是否需要心肺复苏。 研究人员从 2009 年至 2017 年的 911 通话中提取了 236 段痛苦的呼吸片段，然后在不同距离播放这些片段到扬声器，并添加了通常在卧室中发现的干扰声音，如宠物、汽车鸣笛和空调。他们还包括睡眠实验室记录的打鼾和睡眠呼吸暂停的声音样本。（他们没有测试算法对性的喘息和呻吟的声音的反应。我们问过。）系统正确检测到了 97% 的痛苦呼吸时间，距离声音 6 米远。 接下来，团队必须确保算法不会有太多误报，错误地将其他声音分类为痛苦的呼吸。最初，算法错误地将睡眠实验室的声音分类为 0.1% 的痛苦呼吸时间和 0.2% 的志愿者在自己家里睡觉的声音。 但是，当算法被调整为将声音分类为痛苦呼吸时，只有在检测到呼吸声三次，且每次间隔 10-20 秒时，所有声音的假阳性率下降到零。另外，“在这个系统的实际部署中，我们设想有一个警告系统，让你有机会取消任何错误的警报，”第一作者 Justin Chan 说，他是 UW 的一名博士生。 Chan 说，这样一个系统的隐私问题并不比通常在房间里用一个智能扬声器，听一个叫醒词更严重。“我们的系统的设计只需要本地处理，因此没有数据通过互联网或云发送，”Chan 说。“从这个意义上说，这是真正的隐私保护。” 除了卧室外，研究小组还设想了该系统在养老院等医疗设施中的应用。Chan 说：“很多人都有发生心脏问题的风险，我们真正想要的是一种非接触式的解决方式，可以随时监控人们。”他补充说，这将是一个更好的解决方案，而不是之前一些穿戴式的，必须记住定期充电和时刻穿着。 |
