美国每年有近50万人死于心脏骤停，即心脏突然停止跳动。
发生心脏骤停的人会突然失去反应，并且停止呼吸或出现喘息。及时进行心肺复苏（CPR）可使患者的存活几率提高一倍或两倍，但这需要有旁观者在场。
心脏骤停通常发生在医院之外，且往往在人们的家中、私密的环境里。近期研究表明，院外心脏骤停最常见的发生地点之一是患者的卧室，而那里通常没有人在附近或醒着，无法及时作出反应并提供救治。
持续监测
这款概念验证工具可在人们睡眠时监测其是否发生心脏骤停，且无需接触患者。该工具基于从911报警电话中采集的真实濒死喘息录音开发而成。据发表在《数字医学》（Digital Medicine）上的研究显示，在距离最远达20英尺（即6米）的情况下，该工具97%的时间都能检测到濒死喘息事件。Digital Medicine。
“很多人家中都有智能音箱，这些设备具备许多我们可以加以利用的强大功能，”共同通讯作者、华盛顿大学保罗·G·艾伦计算机科学与工程学院副教授Shyam Gollakota说。
“我们设想的是一套非接触式系统，它能够持续且被动地监测卧室中是否出现濒死喘息事件，并提醒附近的人前来实施心肺复苏。如果无人回应，设备还可自动拨打911。”
根据911报警电话数据，约50%的心脏骤停患者会出现濒死喘息，而出现濒死呼吸的患者通常存活几率更高。
“这种呼吸的出现，是因为患者的血氧水平极低，”共同通讯作者、麻醉与疼痛医学助理教授Jacob Sunshine说。“它听起来有点像喉音般的喘息声，其独特性使其成为一种良好的音频生物标志物，可用于识别某人是否正在发生心脏骤停。”
濒死喘息及其他声音
研究人员从西雅图紧急医疗服务中心接到的真实911报警电话中收集了濒死喘息声音。由于心脏骤停患者通常处于昏迷状态，旁观者会将手机贴近患者口部录制喘息声，以便调度员判断患者是否需要立即进行心肺复苏。
研究团队收集了2009年至2017年间的162通报警电话，并提取了每次濒死呼吸开始时的2.5秒音频，共得到236段音频片段。团队使用不同的智能设备录制声音，包括亚马逊Alexa、iPhone 5s和三星Galaxy S4，并运用多种机器学习技术将阳性音频片段扩充至7,316段。
“我们在不同距离播放这些样本，以模拟患者处于卧室不同位置时可能听到的声音，”第一作者、艾伦学院博士生Justin Chan说。“我们还加入了各种干扰声音，例如猫狗叫声、汽车鸣笛声、空调声，这些都是家中常见的声音。”
对于阴性数据集，研究团队使用了在睡眠研究中采集的83小时音频数据，得到7,305个声音样本。这些片段包含人们睡眠时常见的声音，例如打鼾或阻塞性睡眠呼吸暂停。
基于这些数据集，研究团队利用机器学习开发出一种工具，当智能设备与发声源的距离最远为6米时，该工具可在97%的时间内检测到濒死喘息。
随后，研究团队对算法进行了测试，以确保其不会将打鼾等其他类型的呼吸误判为濒死喘息。
“我们不希望在无必要的情况下惊动急救服务或亲人，因此降低误报率非常重要，”Chan说。
在您睡眠时
在睡眠实验室数据中，算法将一种呼吸声误判为濒死喘息的比例为0.14%。在志愿者于自家睡眠时自行录制的独立音频片段中，误报率约为0.22%。但当研究团队设定仅在检测到相隔至少10秒的两个不同事件时，才将其判定为濒死喘息，两项测试的误报率均降至0%。
研究团队设想，该算法可以像一款应用程序，或作为Alexa的一项技能运行，在人们睡眠时于智能音箱或智能手机上被动运行。
“这可以在Alexa内置的处理器上本地运行。它实时运行，因此无需存储任何内容，也无需将任何数据发送至云端，”Gollakota说。
“目前，这是一个基于西雅图都会区911报警电话的良好概念验证，”他说，“但我们需要获取更多与心脏骤停相关的911报警电话，以进一步提高算法的准确性，并确保其能够推广至更大的人群。”
研究人员计划通过华盛顿大学的衍生公司Sound Life Sciences, Inc.将该技术商业化。
“心脏骤停是人们死亡的一个非常常见的原因，而目前其中许多情况都无人目睹，”Sunshine说。“这项技术之所以如此引人关注，部分原因在于它可以帮助我们及时发现更多患者，使其得到救治。”
本研究由美国国家科学基金会资助。
