佛罗里达国际大学研究人员正在训练人工智能检测心脏疾病，通过分析心音数据提升早期诊断和风险预测能力。这项突破性研究的灵感竟源于一位歌剧歌手——当约书亚·哈奇森博士得知妻子（当时为研究生）研究声带细微变化对歌唱声音的影响时，他开始用全新的视角思考人类心脏的检测方法。
"如果经过训练的耳朵能捕捉到声音的微小差异，那么人工智能是否能检测心跳声中的细微变化？"这一设想促使哈奇森博士自2018年起带领团队开展研究。作为佛罗里达国际大学心血管健康创新中心主任，他指出全球心脏病仍是首要致死原因，且往往在突发严重事件前无明显症状。
研究团队将数字听诊器采集的心音数据输入计算机进行深度分析。"这将为医生提供新工具，让他们能提前采取干预措施提升患者生活质量，而非等待心脏病发作。"哈奇森解释道。通过机器学习技术，AI模型可检测人耳难以察觉的心跳异常，例如动脉硬化或心脏瓣膜狭窄引发的机械振动。
"我们让算法自主学习数据特征，结果在疾病预测准确率上达到95%。"哈奇森强调这比传统听诊器30-40%的早期诊断率有显著提升。目前研究已进入临床验证阶段，团队正收集健康与患病人群的听诊数据，其中包含小鼠实验模型数据。
这项技术未来可能发展为家用可穿戴设备，患者在家采集数据后可直接传输给医生系统。"对于农村地区或难以负担常规检查的患者，这项技术将产生革命性影响。"哈奇森特别指出。目前研究获得佛罗里达心脏研究基金会和巴普蒂斯特健康医院资助，并与迈阿密大学等机构合作。
更令人期待的是，该声学诊断原理可扩展至骨骼健康、肌肉疾病等其他领域。"当声学科学与人工智能结合，就会产生突破性创新。"哈奇森总结道，这种跨学科融合已展现出改变医疗检测模式的巨大潜力。
【全文结束】
