在一项充满希望的新研究中，剑桥大学和英国领先兽医中心的研究人员开发了一种机器学习工具，该工具可以改变狗心脏疾病的检测方式。这种由AI驱动的方法可以检测心脏杂音和监测瓣膜疾病，提供了一种比传统诊断方法更快、更经济的替代方案。这些心脏问题尤其常见于小型犬种，如查理士王小猎犬和吉娃娃。
“人类的心脏病是一个巨大的健康问题，但在狗身上，这个问题更为严重，”剑桥大学工程系的第一作者安德鲁·麦当劳博士说，“大多数小型犬种在老去时都会患有心脏病，但显然狗无法像人类那样进行交流，因此初级护理兽医需要尽早发现心脏病以便进行治疗。”
幼犬的心脏
狗的心脏杂音通常预示着严重的状况，如二尖瓣脱垂（MMVD），这会影响心脏调节血流的能力。如果不加以控制，这种状况可能导致充血性心力衰竭，但如果及早发现，可以得到有效管理。
传统上，诊断和监测MMVD需要进行超声心动图检查。这是一种复杂的超声波程序，通常只能在专业中心进行。这一过程既昂贵又耗时，对宠物和主人来说都非常紧张，限制了其可及性。
“目前，诊断二尖瓣疾病依赖于心脏超声波（超声心动图），这非常昂贵，尤其是对于有财务担忧的主人，”麦当劳在接受ZME科学采访时说。
麦当劳和他的同事们开发的新AI模型使用电子听诊器的录音来检测心脏杂音并估计其严重程度。这种方法可以整合到常规的兽医实践中，这意味着它可以扩大对MMVD筛查的访问，并使兽医能够在疾病进展之前捕捉到早期迹象。麦当劳解释道：
“对于患有二尖瓣疾病的狗来说，在正确的时间开始用药至关重要，这样我们可以延缓心力衰竭的发生并延长生活质量。然而，我们目前依赖于使用心脏超声波（超声心动图）进行检测和分级，这既昂贵又耗时。我们的技术可以在普通实践中使用，以识别最需要治疗的狗。”
即将来到您附近的兽医中心的AI
该研究涉及超过750只狗。每只狗都接受了认证的心脏病专家进行全面的体检和超声心动图检查。为了训练模型，研究人员使用了电子听诊器录制的音频，这些音频捕捉了狗的心跳声音。这些录音随后被神经网络分析，经过微调以识别和分类从“柔和”到“震颤”的杂音等级。
“人类和狗的录音显示出明显的相似性，主要是因为它们的心脏结构相似。然而，从狗身上获得高质量的心音录音比从人类身上更具有挑战性。不出所料，狗在录音过程中更容易动来动去或发出哀鸣，这会给数据增加显著的噪音，”研究人员在电子邮件中告诉我们。
AI模型的表现如此出色，以至于研究人员相信它最终可以与心脏病专家的诊断准确性相匹敌，提高普通实践中杂音检测的准确性。这对于兽医，特别是学生和新毕业生来说尤其有价值，他们往往缺乏使用听诊器的信心。
“研究表明，兽医，特别是学生和新毕业生，在使用听诊器时缺乏信心。我们的研究表明，我们的算法在专家心脏病学家评估中表现良好，我们计划进行后续调查，直接与普通兽医评估进行比较。”
具有挑战性的AI应用
特别是在早期阶段，MMVD可能需要监测或药物治疗。目标是让这种新的基于AI的诊断工具能够识别处于关键阶段的狗，并启动早期干预。“我们的技术可以在普通实践中使用，以识别最需要治疗的狗，”麦当劳说。
开发该工具的过程中遇到了物流挑战。从数百只狗那里收集数据需要与多个中心的兽医进行广泛合作。研究人员收集了数千个声音录音，并仔细将每个录音与超声心动图结果匹配，以提供一个全面的数据集。麦当劳承认：“最大的挑战是我们的兽医合作者的时间。收集和上传数千个心音录音是一项高度耗时的任务，需要精心规划和协调。它必须与他们正在进行的临床和教学承诺相平衡。”
一旦数据准备就绪，团队采用了一种“迁移学习”方法，适应了一种最初用于检测人类心脏杂音的算法。经过进一步调整，该算法在狗身上达到了高精度，准确分级杂音，并在近87.9%的病例中与心脏病专家的评估相符。
AI辅助
通常情况下，目标不是用AI取代医生，而是补充他们的能力并减少工作量。“许多人认为AI是对工作的威胁，但对我来说，我将其视为一种使我成为更好的心脏病学家的工具，”共同作者诺沃·马托斯说。“我们不能对这个国家的每一只狗进行心脏扫描——我们没有足够的时间或专家来筛查每一只患有杂音的狗。但像这样的工具可以帮助兽医和主人，以便我们能够快速识别那些最需要治疗的狗。”
在难以检测杂音的情况下（例如，由于狗发出的噪音或微弱的声音），算法可以标记结果供专家进一步审查。“在杂音检测具有挑战性的情况下（例如，由于狗发出的噪音或微弱的声音），我们的算法可以输出一个概率分数，以表明其决策的信心。当信心低于某个阈值时，我们可以建议重新录制或咨询兽医专家。”
这种技术能否普及？
研究人员相信这项技术可以在常规实践中实施，但仍有很多工作要做以确保其正常运作。在兽医实践中，假阳性会导致不必要的治疗和宠物主人的额外费用。然而，漏诊可能会延迟必要的护理，特别是对于早期阶段的MMVD病例。麦当劳和他的团队设想使用可调阈值，实践可以根据患者群体和资源进行修改。
团队计划继续该项目，收集更多数据，并扩展到更多品种和临床环境。“我们有兴趣将人类和犬类算法转移到未来在其他物种和其他产生声音的疾病中的应用。从各种物种和临床环境中收集数据将继续改进我们算法的泛化能力。”
该研究发表在《兽医内科杂志》上。
(全文结束)
