智能扬声器的第一个非接触式心脏捕捉AI系统

每年大约有50万美国人死于心脏骤停，即心脏突然停止跳动。经历心脏骤停的人会突然失去反应，或者停止呼吸，或者喘不过气来，这是一种被称为濒死呼吸的迹象。即时CPR可以使病人的生存几率增加两到三倍，但这需要有旁观者在场。心脏骤停经常发生在医院外和某人的家中。最近的研究表明，院外心脏骤停最常见的地点之一是在病人的卧室，那里可能没有人在身边或醒着，无法做出反应并提供护理。

华盛顿大学的研究人员开发了一种新工具，可以在人们睡觉时监测他们的心脏骤停，而不用触碰他们。一项针对智能音箱(如谷歌Home和亚马逊Alexa)或智能手机的新技能，可以让设备探测到濒死呼吸时的喘息声并呼救。该概念验证工具是利用911电话捕获的濒死呼吸实例开发的，平均而言，在20英尺(或6米)以外97%的时间里检测到濒死呼吸事件。“很多人家里都有智能音箱，我们可以充分利用这些设备的惊人功能，”通讯作者之一、华盛顿大学保罗·g·艾伦计算机科学与工程学院副教授希亚姆·格拉科塔(Shyam Gollakota)说。“我们设想了一种非接触式系统，通过持续被动地监测卧室的濒死呼吸事件，并提醒附近的任何人来进行心肺复苏。”如果没有反应，设备可以自动拨打911。”

根据911呼叫数据，大约50%的心脏骤停患者存在濒死呼吸，而采用濒死呼吸的患者通常有更好的生存机会。“当病人的氧气水平非常低时，就会出现这种呼吸，”通讯作者之一、华盛顿大学医学院麻醉学和疼痛医学助理教授Jacob Sunshine博士说。“这是一种喉咙喘息的声音，它的独特性使它成为一个很好的音频生物标记，可以用来识别某人是否正在经历心脏骤停。”

研究人员聚集了真实的911呼吁对西雅图的紧急医疗服务的态度呼吸声。由于心脏骤停患者往往是无意识的，旁观者通过将手机置于患者的嘴，使调度员能够确定患者是否需要立即CPR，记录呼吸呼吸声。该团队于2009年至2017年之间收集了162次呼叫，并在每个agonal呼吸的开始时提取了2.5秒的音频，以总共有236个剪辑。该团队在不同的智能设备上拍摄了录音 - Amazon Alexa，iPhone 5s和三星Galaxy S4 - 并使用了各种机器学习技术来将数据集提升到7,316个正剪辑。

该研究的第一作者、艾伦学院的博士生贾斯汀·陈说:“我们在不同距离播放这些例子，以模拟病人在卧室不同位置时的声音。”“我们还添加了不同的干扰声音，如猫狗的声音、汽车喇叭声、空调的声音，以及你在家里通常会听到的声音。”

对于负数据集，团队在睡眠研究中使用了83小时的音频数据，产生了7,305个声音样本。这些剪辑包含人们在睡眠中的典型声音，例如打鼾或阻塞性睡眠呼吸暂停。从这些数据集中，团队使用的机器学习创建一个工具，可以在距离发出声音的扬声器最高6米处距离扬声器高达6米时，创建一个可以检测到的Agonal呼吸97％的工具。接下来，该团队测试了算法，以确保不会意外地分类不同类型的呼吸，如打鼾，如偶然呼吸。“我们不想不必要地提醒紧急服务或亲人，因此我们减少了虚假阳性率很重要，”陈说。

对于睡眠实验室数据，该算法错误地将呼吸声对呼吸呼吸呼吸0.14％的时间。对于单独的音频剪辑，假阳性率约为0.22％，其中志愿者在自己的家中睡觉时录制了自己。但是，当该工具的工具只有当它检测到两个不同的事件至少10秒时，才会将某些东西分类为Agonal呼吸，对于两个测试，错误的阳性率下降到0％。

该算法的团队设想可以像应用一样运作，或者在人们睡觉时被动地在智能扬声器或智能手机上被动地运行的alexa。“这可以在Alexa中包含的处理器上本地运行。它在实时运行，所以你不需要存储任何东西或向云发送任何东西，“Gollakota说。“现在，这是一个很好的概念证明，在西雅图大都市地区的911电话，”他说。“但是我们需要获得与心脏骤停相关的更多911个呼叫，以便我们进一步提高算法的准确性，并确保其横跨较大的人口。”

研究人员计划通过华盛顿大学的子公司——Sound Life Sciences, Inc.将这项技术商业化。Sunshine说:“心脏骤停是人们常见的死亡方式，现在很多人都没有被目击到。”“这项技术如此引人注目的部分原因是，它可以帮助我们及时抓住更多的病人，让他们得到治疗。”