每年有近50万美国人死于 心脏骤停，当时心脏突然停止跳动。经历心脏骤停的人会突然变得反应迟钝，无论是呼吸停止还是呼吸都是空气，这种迹象称为无痛呼吸。立即CPR可以使某人的生存机会增加一倍或三倍，但这需要旁观者在场。

心脏骤停通常发生在医院外和个人家中。 最近的研究 表明，院外心脏骤停的最常见位置之一是在病人的卧室，没有人可能在周围或醒着应对并提供护理。

华盛顿大学的研究人员开发了一种新工具，用于在人们睡着时监视心脏骤停而不接触它们。智能扬声器的新技能 - 如Google Home和Amazon Alexa - 或智能手机让设备可以检测到呼吸困难的喘息声，并寻求帮助。平均而言，概念验证工具是使用从911个呼叫中捕获的真实的无人呼吸实例开发的，在97%的时间内从最远20英尺(或6米)远处检测到了无人呼吸事件。该研究结果 发表 在Nature journal npj Digital Medicine上。

“很多人家中都有智能扬声器，这些设备具有我们可以利用的惊人功能，”联合通讯作者 Shyam Gollakota表示，他是美国威斯康星大学Paul G. Allen计算机科学与工程学院的副教授。“我们设想一种非接触式系统，可以通过持续和被动地监控卧室进行农业呼吸事件，并提醒附近的任何人提供心肺复苏术。然后，如果没有响应，设备可以自动拨打911.“

根据911的呼叫数据，大约50%的心脏骤停患者会出现激动呼吸，接受腺体呼吸的患者通常有更大的生存机会。

“当患者的氧气水平确实很低时就会发生这种呼吸，”联合通讯作者，华盛顿大学医学院麻醉学和疼痛医学助理教授Jacob Sunshine博士说 。“这是一种喉咙喘气的声音，它的独特性使它成为一个很好的音频生物标志物，用于识别是否有人正在经历心脏骤停。”

研究人员从真正的911电话到西雅图的紧急医疗服务部门收集了呼吸音。由于心脏骤停患者通常是无意识的，旁观者通过将他们的电话放到患者口中来记录该呼吸音，以便调度员可以确定患者是否需要立即进行心肺复苏。该团队在2009年至2017年期间收集了162个电话，并在每次阿根廷呼吸开始时提取了2.5秒的音频，总共提供了236个剪辑。该团队在不同的智能设备上捕获了录音 - 亚马逊Alexa，iPhone 5s和三星Galaxy S4 - 并使用各种机器学习技术将数据集增加到7,316个正片段。

“我们在不同距离播放这些例子，以模拟患者在卧室不同位置时听起来的样子，”第一作者，艾伦学校的博士生Justin Chan说 。“我们还添加了不同的干扰声音，例如猫和狗的声音，汽车鸣喇叭，空调，以及您通常在家中听到的声音。”

对于负数据集，该团队使用了睡眠研究期间收集的83小时音频数据，产生了7,305个声音样本。这些片段包含人们在睡眠中产生的典型声音，例如打鼾或阻塞性睡眠呼吸暂停。

从这些数据集中，团队使用机器学习创建了一种工具，可以在智能设备放置在距离产生声音的扬声器6米的位置时，97%的时间内可以检测到无人机呼吸。

接下来，该团队对该算法进行了测试，以确保它不会意外地将不同类型的呼吸分类为呼吸，如打鼾。

“我们不想不必要地提醒紧急服务或亲人，因此我们减少误报率非常重要，”陈说。

对于睡眠实验室数据，该算法错误地将呼吸声音分类为0.14%的时间的呼吸声。对于单独的音频片段，误报率约为0.22%，其中志愿者在自己家中睡觉时记录了自己。但是当团队使用该工具将某些东西归类为无人机呼吸时，只有当它至少间隔10秒检测到两个不同的事件时，两个测试的误报率降至0%。

该团队设想这个算法可以像一个应​​用程序，或Alexa的技能，在人们睡觉时在智能扬声器或智能手机上被动地运行。

“这可以在Alexa中包含的处理器上本地运行。它实时运行，因此您无需存储任何内容或向云端发送任何内容，“Gollakota说。

“现在，这是使用西雅图大都市区911电话的概念的一个很好的证明，”他说。“但我们需要获得更多与心脏骤停相关的911次呼叫，这样我们才能进一步提高算法的准确性，并确保它能够在更大的人口中进行推广。”

研究人员计划通过UW分拆，Sound Life Sciences，Inc。将这项技术商业化 。

“心脏逮捕是人们死亡的一种非常常见的方式，现在他们中的许多人都可以不被证实，”阳光说。“使这项技术如此引人注目的部分原因在于，它可以帮助我们及时吸引更多患者，让他们得到治疗。