仅在美国，每年有近50万死于心脏骤停，立即进行CPR可以使某人的生存机会增加二倍到三倍，但这需要有其他人在场。心脏骤停通常发生在医院外和家中。最近的研究表明，在医院外心脏骤停的最常见位置之一是病人的卧室，尤其是没有人在周围或提供护理的情况下。

华盛顿大学的研究人员开发了一种新工具，用于在人们睡着时监视心脏骤停而无需与人体有直接接触。智能音箱可检测到濒死状态下的喘息声，并发出呼救信号。平均而言，这个概念验证工具是使用从911电话中捕获的真实的终末频死呼吸实例开发的，在6米之外检测到呼吸事件，准确率为97%。

“很多人家中都有智能扬声器，这些设备具有我们可以利用的惊人功能，”联合通讯作者Shyam Gollakota表示，“我们设想的是一种非接触式系统，可以通过持续和被动地监控卧室呼吸，并提醒附近的人提供心肺复苏术。如果没有响应，设备可以自动拨打911。”

训练数据

据911呼叫数据显示，约50%的心脏骤停患者会发生终末频死呼吸，而这样的患者往往有更好的生存机会。当患者的氧气水平很低时就会发生这种呼吸，这是一种喉咙喘气的声音，它的独特性使它成为一个很好的音频生物标志物，用于识别是否有人正在经历心脏骤停。

研究人员从911电话和西雅图的紧急医疗服务部门收集了呼吸音。由于心脏骤停患者通常是无意识的，旁观者通过将他们的电话放到患者口中来记录该呼吸音，以便调度员可以确定患者是否需要立即进行心肺复苏。该团队在2009年至2017年期间收集了162个电话，并在每次终末频死呼吸开始时提取了2.5秒的音频，总共有236个剪辑。该团队在不同的智能设备上捕获了录音，包括Alexa，iPhone 5s和三星Galaxy S4，并使用各种机器学习技术将数据集增加到7316个正片段。

“我们在不同距离播放这些例子，以模拟患者在卧室不同位置时听起来的样子，”第一作者，艾伦学校的博士生Justin Chan说，“我们还添加了不同的干扰声音，例如猫和狗的声音，汽车鸣喇叭，空调，以及通常在家中能听到的声音。”

对于负数据集，该团队使用了睡眠研究期间收集的83小时音频数据，产生了7305个声音样本。这些片段包含人们在睡眠中产生的典型声音，例如打鼾或阻塞性睡眠呼吸暂停。

从这些数据集中，团队使用机器学习创建了一种工具，可以在智能设备放置在距离产生声音的扬声器6米的位置时，97％的时间内可以检测到终末频死呼吸呼吸。

测试算法

接下来，该团队对该算法进行了测试，以确保它不会意外地将不同类型的呼吸分类为紧急情况，如打鼾。

“我们不想错误地警示紧急服务或亲人，因此减少误报率非常重要，”Chan说。

对于睡眠实验室数据，该算法在0.14%的情况下错误地将呼吸声音归类为紧急情况。对于单独的音频片段，误报率约为0.22％，但是当只在间隔至少10秒的时间内检测到两种不同的事件，才将其归类为终末频死呼吸时，两种测试的误报率都降到了0%。

该团队设想这个算法可以作为应用程序，或作为Alexa的功能，在人们睡觉时在智能扬声器或智能手机上被动地运行。

“这可以在Alexa中包含的处理器上本地运行。它实时运行，因此无需存储任何内容或向云端发送任何内容，”Gollakota说。

研究人员计划通过华盛顿大学附属机构和Sound Life Sciences将这项技术商业化，“心脏骤停是导致人们死亡的一种非常常见的方式，使这项技术如此引人注目的部分原因在于，它可以帮助我们及时发现更多患者并得到治疗。”