Классификатор определил сердечный приступ по дыханию

Justin Chan et al. / npj Digital Medicine, 2019

Американские исследователи обучили классификатор по записи дыхания определять возможный сердечный приступ: обычно он характеризуется так называемым агональным дыханием. Точность работы алгоритма составила около 97 процентов. Разработанный метод можно использовать в устройствах с голосовыми помощниками для определения сердечного приступа и вызова помощи, пишут ученые в npj Digital Medicine.

Один из явных признаков сердечного приступа — прерывистое, хриплое, так называемое агональное дыхания. Его наличие может не только помочь сотрудникам спасательных служб обозначить опасность и принять необходимые меры, но и послужить биомаркером, который можно распознать и оценить автоматически.

Разработать такой алгоритм решили исследователи из Вашингтонского университета под руководством Джастина Чана (Justin Chan). Для обучения они использовали датасет разговоров, записанных операторами линии 911: для обучения исследователи взяли отрывки разговоров с записью дыхания людей, у которых позже подтвердился сердечный приступ. В качестве контрольных данных для сравнения исследователи собрали записи дыхания, сделанные в домашних условиях умными колонками, а также записей мобильных приложений для трекинга сна. 

Алгоритм представляет собой классификатор, основанный на методе опорных векторов. В качестве входных данных использовали спектрограммы отрывков дыхания, на основании которых и работает классификатор. Для оценки работы алгоритма ученые также собрали записи дыхания участников лабораторных исследований сна: это помогло, в частности, отделить агональное дыхание при сердечном приступе от схожего с ним дыхания при апноэ во сне.

В результате ученым удалось научить алгоритм определять агональное дыхание человека по записям длительностью от 10 до 20 секунд: каждый небольшой отрывок в 2,5 секунды анализируется примерно 21 миллисекунду при использовании в смартфоне и 58 секунду — при использовании умной колонки (зависимо от точности микрофона и примерного расположения устройства). Точность классификатора составила 97 процентов.

Авторы новой системы предлагают использовать новый алгоритм в умных устройствах и смартфонах. При использовании их, однако, необходимо дополнительно подключить и автоматический вызов скорой помощи. Похожая система сейчас, к примеру, есть в умных часах Apple Watch: акселерометр в устройстве отмечает сильное падение и может предложить вызвать пользователю скорую, а при отсутствии ответа — делает это самостоятельно.

Исследователи придумывают и другие способы диагностики различных заболеваний с помощью смартфона. Например, отдельные алгоритмы могут определять кровеносное давление по силе нажатия на экран, а также возможное наличие ушной инфекции по тому, как резонирует звук, поданный в ухо.

Елизавета Ивтушок

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.