佛罗里达国际大学研究人员正在训练人工智能，通过分析心音数据检测主动脉瓣狭窄和心力衰竭等心脏疾病，以提升早期诊断和风险预测能力。
该团队采用数字听诊器与机器学习技术分析心跳，其原理类似于音乐家识别走调音符。实验数据显示，这种模型能检测出医生可能忽略的细微异常，准确率高达95%。
当乔舒亚·哈钦森得知妻子（当时是研究生）研究声带细微变化对歌手声音的影响时，他开始以全新视角思考心脏疾病检测。这位佛罗里达国际大学心血管健康创新中心负责人由此萌生研究灵感："如果受过训练的耳朵能捕捉声音差异，人工智能能否检测心跳声的细微变化？"
自2018年起，该团队开发出结合数字听诊器与机器学习的新诊断方案。他们将心音数据输入计算机分析，目前已建立能识别健康与病变小鼠心脏声波特征的模型，并部分采用人类心音数据训练算法。研究显示，这种声学检测技术可识别由动脉硬化或心脏血管狭窄产生的机械振动，这些信号往往预示疾病早期征兆。
"我们不向计算机提供先验信息，"哈钦森解释道，"通过对比预测结果，模型在判别是否患病的测试中达到95%准确率。"相较于传统听诊器30-40%的疾病初筛检出率，这是重大突破。
该模型特别针对钙化病变——这种使动脉软组织骨化的无声杀手。研究团队正积累临床证据以推进算法临床应用，目标是开发可居家使用的低成本监测设备，通过远程医疗系统实时传输数据。这种技术尤其适用于医疗资源匮乏地区，如偏远社区或经济困难人群。
"这可能成为可穿戴血压监测仪的升级版，"哈钦森表示，"让患者在家中自检并将数据传送至医生系统，既可用于诊断也能监测治疗效果。"
当前研究获得佛罗里达心脏研究基金会和肯德尔浸礼会医院资助，并与迈阿密大学等机构展开合作。哈钦森认为，这种声学检测技术具有广阔应用前景："任何因组织变化产生异常声波的身体部位都适用，我完全可以想象它用于骨骼健康、肌肉监测等领域的可能性。"
这项将声学科学、人工智能和医疗保健相结合的研究，正在开辟医学检测新路径。正如哈钦森所说："当跨学科团队聚焦共同问题时，真正的突破就会发生。"
【全文结束】
