近日，研究小組已經在全球科學新聞服務平台 EurekAlert！ 上發表了一篇文章，表示會在 Nature 的合作期刊《NPJ Digital Medicine》上公佈這項成果。
據悉，他們開發出的工具可以將智能音箱變成一個檢測工具，主要用來預防心臟病發作與心臟驟停，同時還可以自動撥打本地的求救電話。
華盛頓大學醫學院助理教授 Jacob Sunshine 表示，智能音箱是做這件事的完美設備，因為它們需要時刻保持對環境音源的監測，以便能及時識別你類似“Hey Siri”這樣的命令。
另一名副教授 Shyam Gollakota 也稱，之所以開發這套系統也是因為看到了當下智能音箱的普及率。統計數據顯示，從 2017 年到 2018 年，美國智能音箱的普及率已經從 21.5% 增長到 41%。
“致命性心梗多發於晚上，很多人在發作時甚至都不知道自己已經發病，但此時患者一般都會伴有呼吸急促、呼吸拉長等狀況，聲音也會發出相應的變化，而這種特徵，是可以被識別和檢測的。”
在開發過程中，研究小組先從美國醫療中心收集了 911 急救專線裡的有關心臟驟停、急性心衰發作時的音源資料，這些聲音大多是由發病者的親朋好友撥打急救電話時提供的，以便讓醫療人員分析是否需要進行心肺復甦搶救。
獲得資料後，他們便開始在房間內的不同位置、距離播放這些聲音，供音箱設備進行識別，期間還加入了像貓狗叫聲、汽車喇叭等其他干擾音，以更真實地還原各種狀況。
最終，研究小組總共獲得了約 7000 個聲音樣本，其中就包含了一些特定的打鼾聲，特別是一些不規律的鼾聲，它們可能與冠心病、心率失常等心血管疾病有密切關係。
如今系統已經能在 6 米範圍內對這種獨特的呼吸聲做出識別，識別率為 97% 左右。但準確度是研究小組更在意的因素，因為一旦出錯，誤撥了急救電話，也會對醫院和用戶造成不小的困擾。
不過，用戶是否能接受自家音箱處於“非接觸式即時監測”的狀態，也是個問題。雖然研究人員稱所有運算都只在本地運行，而不會被上傳至伺服器和雲端，但這也關係到個人聲音數據的安全。
目前，研究小組已經計劃成立一個分支機搆，將這項技術正式商業化：“我們還需要更多心臟驟停的音源，進一步提高演算法的精準度，協助醫療機構和家庭儘早發現病症，獲得及時的治療。”◆
