每年都有近50万美国人因心脏骤停死亡。发病时，病人会突然失去反应、呼吸停止或大口喘气（即濒死呼吸）。此时立即对其施行CPR（心肺复舒术）可以让他们的存活几率提高一倍或两倍，但这需要有旁观者在场。
心脏骤停现象经常发生在医院之外，尤其是一些比较私人的地方，如一个人的家中。此前曾有研究表明，卧室是最经常发生这一事件的地方，但病人身边要么没有人，要么同伴没有醒过来为其提供帮助。
好消息是，来自美国华盛顿大学的研究者们最近研究出了一种不用接触就可以监测人们是否发生心脏骤停的新工具。这种技术可以让智能音箱——比如谷歌的Home和亚马逊的Alexa——或智能手机监测病人濒死呼吸时的大口喘气声并拨打急救电话。平均来说，经训练之后的概念性工具在6米距离上可以捕捉到97%的濒死呼吸声。相关结果于6月19日发表在《npj数字医学》杂志。
研究人员从西雅图紧急医疗服务中心接到的急救电话中收集了濒死呼吸的声音。这是因为拨打急救电话的人通常会把电话放到病人嘴边，让医护人员凭借声音判断是否要对其进行CPR。该研究小组在收集了2009年至2017年间的162个电话，并在每一次濒死呼吸声开始时提取2.5秒的音频，最终得到236个音频片段。之后，他们在不同的智能设备——亚马逊的Alexa、iPhone5s和三星的GalaxyS4——上捕捉了这些录音，并使用各种机器学习技术将数据集提升到7316个正片段。
至于阴性对照组数据，研究组利用收集自睡眠研究中的83小时音频，制作了7305条声音样本。这些样本包括了人们睡觉时发出的各种典型声音，如打鼾声。
利用这些数据集，研究小组使用机器学习方法创建了一个工具，它可以让智能设备在距发出声音的扬声器6米远的地方，检测到97%的濒死呼吸声。
下一步研究者将对算法进行检测，以确认该工具不会在偶然的情况下将不同类型的呼吸声——如鼾声——归类为濒死呼吸声。“我们不想在不必要的情况下惊扰急救中心或者是使用者的亲人，因此降低假阳性率是非常重要的。”Chan说。
根据睡眠实验室的数据，该算法将其它呼吸声错认为濒死呼吸声的概率是0.14%。对于单独的音频剪辑（志愿者在自己家中录制的睡眠时的音频）来说，假阳性率为0.22%。但是当研究小组只将间隔至少10秒时间内检测到的两个不同事件归类为濒死呼吸声时，两种测试的假阳性率都降到了0%。
该团队设想，该算法可以像应用程序一样运行，或者像Alexa那样在人们睡觉时在智能扬声器或智能手机上被动运行。“它可以在Alexa中包含的处理器上本地运行，并且是实时的，所以你不需要存储任何东西，也不需要把任何东西发送到云端。”Gollakota说，“不过我们需要获得更多与心脏骤停有关的急救电话，这样我们才能进一步提高算法的准确性，并确保它能在更大范围内推广。”
“心脏骤停是导致人们死亡的一种非常常见的病症，很多人可能在没有人目睹的情况下死亡。”Sunshine说，“这项技术之所以如此引人注目，部分原因在于它可以帮助我们及时发现更多的病人，让他们得到治疗。”
期刊编号：2398-6352
