西班牙巴塞罗那——根据观察性TIM-HF3试验的数据，使用基于人工智能(AI)的软件监测一个人发音单个元音的方式变化，可能是比每日体重监测更有效预测心力衰竭(HF)住院风险的方法。
德国柏林Noah Labs的Leonhard Riehle医学博士在上周末举行的欧洲心脏病学会心力衰竭2026会议上展示了这一研究成果。
"肺部和全身液体过载会改变心力衰竭患者声带的生物力学特性和上呼吸道声学特性，"Riehle在一场专注于心力衰竭管理创新的突破性研究环节中说道。"先前的证据表明，横向声学特征可以区分失代偿期和稳定期的心力衰竭患者。"
TIM-HF3研究中关注的方法集中于持续的/i/元音发音——即在bee和green等单词中使用的元音——这种元音在英语和德语使用者中均显示出特别的潜力。"这激发了我们的研究问题，"Riehle说。"对这种声音进行纵向语音监测能否前瞻性地预测现实世界门诊患者群体中的心力衰竭住院风险？"
俄亥俄州立大学(哥伦布)的William T. Abraham医学博士是心力衰竭患者语音监测的长期支持者，他表示新数据加强了这一策略可行性的观点。他的团队对HearO（Cordio Medical公司产品），一种采用相同概念但不同的设备进行了研究，最近公布了COMMUNITY-HF研究的结果。今年晚些时候，他们希望能展示关键性的DETECT-HF试验结果并提交给美国食品药品监督管理局(FDA)以获得监管批准。
Abraham表示，多家公司和研究团队正在这一领域开发具有不同功能的工具，但目标相同。"好消息是，总体数据确实支持这一观点：语音变化代表了心力衰竭患者评估中的一个重要生物标志物。"
针对TIM-HF3研究，Abraham指出患者和事件数量较少，并质疑为什么语音记录仅每周进行一次而非每日进行。他表示，这种时间安排可能导致"过拟合"，使敏感度被略微高估。"但总的来说，我认为这有力支持了该领域的发展，这也是主要信息。我们希望看到这一领域取得成功，因为它将极大帮助我们管理心力衰竭。"
Abraham表示，目前美国或欧洲市场上尚无针对心力衰竭的语音监测应用程序。
语音监测 vs 体重监测
TIM-HF3研究纳入了德国三个中心的105名患者，这些患者均患有纽约心脏病协会(NYHA) II/III级症状，并在过去12个月内因心力衰竭住院过。所有患者均同时纳入干预组和观察组。
在干预标准治疗组中，参与者每天跟踪记录体重、血压、心电图结果和健康状况，所有这些数据均由医生在当天远程审查。在观察组中，这些患者使用平板电脑每周录制5秒的持续/i/元音发音片段，这些片段在研究期间对临床医生不可见。
语音记录被安全上传至中央服务器，并在试验结束后进行回顾性分析。人工智能算法通过解读语音特征以及年龄和性别生成基于语音的风险评分。提示即将发生心力衰竭住院的警报基于每位患者相对于基线的标准偏差。对于体重监测，当3天内体重增加至少2公斤或7天内增加至少5公斤时触发警报。
研究人员随后比较了语音算法与每日体重监测在检测心力衰竭住院方面的敏感度，这是研究的主要终点。如果在事件发生前30天内至少有两次语音记录，且事件发生前30天内至少有一次记录，则该住院被视为可评估事件。
在研究的92名门诊患者中，73%为男性，平均年龄为73.6岁。约一半(52.2%)射血分数降低，15.2%轻度降低，32.6%保留。中位N末端B型利钠肽原(NT-proBNP)水平为3,228 pg/mL。
在平均10个月的随访期间，发生了44次心力衰竭住院。在25次具有足够记录的可评估住院事件中，语音算法的敏感度为84.0%(95% CI 65.3-93.6%)，而体重变化的敏感度为36.0%(95% CI 20.2-55.5%)。
语音预警与心力衰竭住院之间的中位时间为29天，而体重预警为13天。每名患者每年未解释的警报发生率为语音监测2.62次，体重监测6.07次。56%的住院仅被语音监测检测到，92%被语音和/或体重监测检测到，8%仅被体重监测检测到，8%两种方法均未检测到。
Riehle承认，通过专注于25次可评估事件，他们可能高估了敏感度。"下一步，当然需要进行前瞻性干预试验，以证明对心力衰竭结果的影响，"他总结道。
"为什么不只推荐语音追踪？"波兰弗罗茨瓦夫医科大学的Piotr Ponikowski医学博士(共同主持人)称结果"引人入胜"，但质疑该算法在不同语言中的表现如何。不过，他强调应该摒弃将体重作为心力衰竭住院预测指标的做法。"我学到的教训是摒弃这种体重[作为预测指标]，因为它既枯燥又不敏感。为什么不只推荐语音追踪？"
关于语言是否影响敏感度，Riehle表示："我认为这是一个关键问题。"这项研究针对德语使用者，早期研究则在英语和德语使用者中进行。欧洲关键性试验将包括这些语言以及西班牙语和荷兰语。"我不认为这会成为问题，但我们还不确定。"
Riehle警告称，在考虑从体重监测转向语音监测的"范式转变"之前，需要结果数据。
荷兰格罗宁根大学医学中心的Jozine ter Maaten医学博士(共同主持人)表示："这似乎也是患者非常容易使用的工具。"她建议研究患者如何看待语音追踪体验，以及他们是否觉得这使他们能够"对自己的症状承担更多责任。"
Riehle同意可用性至关重要。"这是我们方法的一个好处——无需每天站上体重秤，也不需要躺下获取肺动脉压力测量值，或植入侵入性血流动力学监测器如CardioMEMS，你只需使用智能手机即可。"
【全文结束】
