這個人工智能系統可檢測心臟停止跳動時發出的獨特的喘息聲。

當一個人的心臟出現故障，突然停止跳動，除非有人介入，否則幾分鐘內就會死亡。一個旁觀者立即進行心肺復蘇可以使一個人在心臟驟停中存活的幾率增加三倍。

去年七月，我們介紹過一款智能手表，旨在檢測心臟驟停并尋求幫助?，F在，華盛頓大學的一個研究小組開發了一種完全非接觸式人工智能系統，它可以監聽痛苦呼吸的信號聲音——一種由50%的心臟驟?；颊甙l出的獨特的喉部喘息聲。

這款智能揚聲器系統的具體內容發表在npj Digital Medicine上，在概念驗證研究中，檢測到的呼吸困難事件中的97%都沒有錯誤的警報。

研究小組設想使用這個可以在亞馬遜的Alexa或Google Home上運行的工具，以及其他設備來被動地監控臥室的痛苦呼吸聲，如果檢測到，就會發出警報。

他是一家將心臟驟停裝置商業化的分拆公司UW醫學和股權持有者的醫生和研究人員。他設想系統會提醒當地的人盡快找到病人，同時直接撥打911讓病人盡快趕到醫院。

最近一項關于日本心臟驟停的研究表明，臥室是家中心臟驟停最常見的地方之一。該小組訓練了一種機器學習算法，利用從911呼叫西雅圖緊急醫療服務中心獲取的一組獨特的真實實例，識別臥室中痛苦的呼吸。旁觀者經常把電話放在病人的嘴邊，這樣調度員就可以判斷病人是否需要心肺復蘇。

研究人員從2009年至2017年的911通話中提取了236段痛苦的呼吸片段，然后在不同距離播放這些片段到揚聲器，并添加了通常在臥室中發現的干擾聲音，如寵物、汽車鳴笛和空調。他們還包括睡眠實驗室記錄的打鼾和睡眠呼吸暫停的聲音樣本。（他們沒有測試算法對性的喘息和呻吟的聲音的反應。我們問過。）系統正確檢測到了97%的痛苦呼吸時間，距離聲音6米遠。

接下來，團隊必須確保算法不會有太多誤報，錯誤地將其他聲音分類為痛苦的呼吸。最初，算法錯誤地將睡眠實驗室的聲音分類為0.1%的痛苦呼吸時間和0.2%的志愿者在自己家里睡覺的聲音。

但是，當算法被調整為將聲音分類為痛苦呼吸時，只有在檢測到呼吸聲三次，且每次間隔10-20秒時，所有聲音的假陽性率下降到零。另外，“在這個系統的實際部署中，我們設想有一個警告系統，讓你有機會取消任何錯誤的警報，”第一作者Justin Chan說，他是UW的一名博士生。

Chan說，這樣一個系統的隱私問題并不比通常在房間里用一個智能揚聲器，聽一個叫醒詞更嚴重?！拔覀兊南到y的設計只需要本地處理，因此沒有數據通過互聯網或云發送，”Chan說。“從這個意義上說，這是真正的隱私保護?！?/p>

除了臥室外，研究小組還設想了該系統在養老院等醫療設施中的應用。Chan說：“很多人都有發生心臟問題的風險，我們真正想要的是一種非接觸式的解決方式，可以隨時監控人們?！彼a充說，這將是一個更好的解決方案，而不是之前一些穿戴式的，必須記住定期充電和時刻穿著。