AI-Enabled Digital Stethoscope for Early Detection of Congenital Heart Disease: Prospective Study

每年，都有数以千计的儿童出生时带有先天性心脏结构缺陷。在世界许多地方，及早发现这些问题关乎生死，然而，获得专业医生和昂贵影像设备的渠道往往十分匮乏。几代人以来，发现这些问题的第一步一直是简单的倾听。医生将听诊器贴在孩子的胸前，聆听心跳的节奏以及是否存在可能预示问题的额外声音，即被称为“杂音”的声音。这种方法免费、无创且几乎随处可用，但它完全依赖于持设备者的技能和经验。对于专家来说显而易见的杂音可能会被全科医生忽略，且诊断的准确性会因聆听者不同而产生巨大差异。

为了弥补这一差距，研究人员开始探索如何让计算机比人类听得更准。通过将数字听诊器与人工智能相结合，科学家们希望创造出一种工具，使其能够像顶尖专家一样，无论在何种环境或受训程度下，都能一致地捕捉到心脏疾病的细微征象。这种方法并非取代对先进影像技术的需求（后者仍是确认诊断的金标准），而是提供了一种强有力的手段，用以决定谁需要立即接受那种高级护理。来自印度一家医院的一项新研究正在测试这一构想，即询问计算机程序是否仅通过分析心音，就能可靠地检测出儿童的先天性心脏病。

研究人员致力于构建并测试一个能够聆听心跳并判断儿童是否存在心脏缺陷的系统。他们招募了721名从婴儿到成年的参与者，他们均前往一家专门的心脏科就诊。大约一半的参与者被确诊患有心脏缺陷，而另一半则拥有结构正常的心脏。团队使用一种能记录声音并将声音无线传输至智能手机的数字听诊器，从胸部的四个标准位置采集心音：右上、左上、左下以及心尖部。每段录音持续二十秒。随后，团队对数据进行了拆分，利用来自301名参与者的心音来教计算机程序识别健康心脏与缺陷心脏的声音差异。剩余的420名参与者则用于在研究人员不知晓真实诊断结果的情况下测试该程序，以确保测试公平且无偏见。

该计算机程序的工作原理是将原始声波转化为一种被称为“梅尔频谱图”（mel-spectrogram）的视觉图谱。这种图谱以模拟人类耳朵感知音高的形式展示声音，使计算机能够看到肉眼无法察觉的噪声模式。程序利用一种被称为“卷积神经网络”的深度学习技术来分析这些图谱，这种技术旨在识别图像和声音中的复杂模式。系统学会了识别与不同类型心脏缺陷相关的特定声学特征，例如血液流经狭窄瓣膜时的湍流，或是血液流经心脏壁上的孔洞时产生的持续涌动声。当程序听到某种声音时，它会计算一个概率得分，以确定心脏是否可能异常。

当研究人员在420名未见过的参与者身上测试该系统时，结果令人瞩目。人工智能正确识别了233名患有心脏缺陷儿童中的222名，仅漏诊了11例。它也正确识别了187名健康儿童中的171名，并将16名健康的儿童误标为可能有问题。与作为最终参考标准的超声心动图（用于诊断的超声成像技术）相比，这一表现转化为了95.2%的敏感性和91.4%的特异性。简单来说，计算机极少漏掉患病儿童，也很少对健康儿童发出虚假警报。该系统的表现与使用传统听诊器聆听的训练有素的儿科心脏病专家不相上下，在嘈杂环境或面对哭闹、移动的不配合儿童时，其表现甚至在某些情况下超越了人类聆听者。

研究还详细观察了该系统能够发现的心脏缺陷类型。它在发现血流量增加的缺陷（如心室间孔）方面表现异常出色，捕捉率达到了98%。在发现血流量减少的缺陷（如瓣膜狭窄）方面也十分有效，检测率为93%。即使对于血流量保持正常的缺陷，该系统也维持了91%的强劲检测率。研究人员指出，系统漏掉的少数案例通常是那些心脏缺陷产生极其微弱或根本没有可听声音的情况，即便对于人类专家也是如此。这表明计算机的局限性与人类听觉的局限性相似，而非技术本身的失败。

该系统的性能在所有年龄组中保持了一致性，涵盖了从一岁以下的婴儿到十八岁以上的成年人。这一点尤为重要，因为聆听婴儿的心跳具有挑战性；他们的心跳非常快，且经常处于哭闹或躁动状态，这使得人类很难分离出杂音。计算机在这些挑战性条件下仍能保持高准确度，这一事实表明它可能成为新生儿筛查项目的关键工具。研究人员承认，其研究是在单一中心进行的，且系统训练所用的数据来自尚未接受心脏手术的儿童。他们还指出，该系统的设计目的是检测是否存在问题，而非识别特定缺陷的类型或严重程度。

尽管存在这些局限性，研究结果仍为心脏病筛查的未来描绘了一个引人入胜的愿景。这项研究证明，集成在数字听诊器中的人工智能系统可以高精度地检测儿童的先天性心脏病，其表现足以媲美专家。通过提供一种可靠、无创的方式来筛查心脏缺陷，这项技术可以帮助识别那些需要紧急护理的儿童，特别是在获得专业心脏病专家资源有限的地区。研究人员总结道，此类工具具有实现筛查标准化、减少诊断延迟并最终改善全球心脏缺陷儿童预后的潜力。