研究人员研发出首款非接触式心脏骤停AI系统工具

    据外媒报道称，华盛顿大学（University of Washington）的研究人员近日开发了一种新的可以监测人们在睡眠时的心跳停止情况非接触式工具。智能扬声器或智能手机的一项新技术可以让设备探测到无区域呼吸的喘息声并启动呼救。这个概念验证工具是使用从911电话中捕捉到的真实的无地域呼吸实例开发的，它平均97％的时间在20英尺（或6米）之外探测到无地域呼吸事件。
    华盛顿大学保Paul G． Allen计算机科学与工程学院（ School of Computer Science ＆ Engineering）副教授、通讯作者之一Shyam Gollakota说，很多人家里都有智能扬声器，这些设备具有惊人的功能，我们可以都可以利用它们。我们设想了一种非接触式系统，它可以连续被动地监测卧室的非接触式呼吸事件，并提醒附近的任何人来做心肺复苏术。如果没有做出回应，该设备就会自动拨打911。
    根据急救电话的数据，约有50％的心脏骤停患者存在无定向呼吸，而进行无定向呼吸的患者往往有更大的生存机会。华盛顿大学医学院麻醉学和疼痛医学助理教授Jacob Sunshine博士是该研究的共同通讯作者，他说：“这种呼吸发生在患者的氧气水平非常低的时候，这是一种喉音上的喘息声，它的独特性使它成为一个很好的音频生物标志物，可以用来识别一个人是否患有心脏骤停。”
    研究人员从真实的电话中收集了无性呼吸的声音，并在2009年至2017年间收集了162个电话，在每次无性呼吸开始时提取2．5秒的音频，总共得到236个片段。研究小组在不同的智能设备上：亚马逊的Alexa、iPhone 5s和三星的Galaxy S4捕捉了这些录音，并使用各种机器学习技术将数据集提升到7316个正片段。
    艾伦学院（Allen School）的博士生Justin Chan说：“我们在不同的距离播放这些例子，来模拟如果病人在卧室的不同位置，听起来会是什么样子。我们还添加了不同的干扰声音，比如猫和狗的声音、汽车的喇叭声、空调的声音，以及你在家里通常能听到的声音。”
    对于负数据集，研究小组使用了83小时的睡眠研究期间收集的音频数据，得到了7305个声音样本。这些剪辑包含了人们在睡觉时发出的典型声音，比如打鼾或阻塞性睡眠呼吸暂停。从这些数据集中，研究小组使用机器学习创建了一个工具，当智能设备被放置在距离产生声音的扬声器6米远的地方时，97％的情况下可以检测到无定向呼吸。
    接下来，研究小组对该算法进行了测试，以确保它不会意外地将打鼾等不同类型的呼吸划分为无区域呼吸。Chan说：“我们不想向紧急服务机构或亲人发出不必要的警报，所以降低假阳性率很重要。”
    对于睡眠实验室数据，该算法错误地将呼吸声音分类为0．14％的时间的呼吸声。 对于单独的音频片段，误报率约为0．22％，其中志愿者在自己家中睡觉时记录了自己。 但是当团队使用该工具将某些东西归类为无人机呼吸时，只有当它至少间隔10秒检测到两个不同的事件时，两个测试的误报率降至0％。
    该团队设想，这种算法可以像应用程序一样运行，或者像Alexa那样在人们睡觉时在智能扬声器或智能手机上运行。Gollakota说：“这可以在Alexa中包含的处理器上本地运行。它是实时运行的，所以你不需要存储任何东西，也不需要把任何东西发送到云端。”研究人员计划通过UW分拆声音生命科学将这项技术商业化。