利用人工智能声音分析来预测心力衰竭代偿失调 (STEREO)

心力衰竭是一种常见病症，由于心肌衰弱或僵硬，心脏无法提供所需的心输出量。 它影响超过 2% 的英国人口（每年发病率约为 200,000 例），占所有紧急入院人数的 5%，并消耗约 2% 的年度 NHS 预算（每年约 20 亿英镑）。 因此，心力衰竭不仅是住院的主要驱动因素，而且提供了减少可预防的入院的主要机会。

急性失代偿性心力衰竭（ADHF）是一种需要紧急关注的医疗紧急情况。 它通常会导致患者住院，并且是相关医疗费用的主要驱动因素。 ADHF 的特点通常是由于肺水肿（肺静脉充血）导致休息或劳力时呼吸困难迅速恶化，液体潴留导致腿部肿胀以及许多其他症状，包括疲劳、食欲不振等。

患者通常会逐渐或突然出现典型症状（呼吸困难、疲劳和腿部积液）。 在稳定和 ADHF 初步治疗后，患者进入心脏保持稳定的平台期。 然而，随着时间的推移，大多数患者会经历多次 ADHF 发作，每次发作的时间通常会变得更长，并且间隔时间也更短。 充血与潜在的心脏压力升高有关，通常继发于容量超负荷，而容量超负荷在心力衰竭的病理生理学、表现和预后中起着核心作用。 肺充血是心力衰竭最重要的诊断和治疗目标之一。 及早检测由于容量超负荷导致的肺充血是预防即将再次住院的关键，并且为优化社区心力衰竭治疗提供了理想的机会。

ADHF 的早期社区检测最终是提供有效患者护理的第一步。 由于心力衰竭的表现症状众多且模糊/非特异性，因此对心力衰竭的认识较差，常常导致诊断和治疗的延误。 患者出现心力衰竭失代偿症状与就医之间的时间间隔通常相当长，并且受到症状出现速度和严重程度的影响。 因此，需要一种可靠且易于使用的方法来评估门诊患者的慢性液体状态，以便在可能进行适当干预时发现早期失代偿。 由于肺部积液（急性肺水肿）而突然出现呼吸困难（呼吸困难），通常需要迅速就医，而逐渐出现腿部和脚踝肿胀（外周水肿）则更可能与延误有关在寻求护理时。 症状出现和入院之间的平均延迟时间为 2 小时至 7 天。 心力衰竭的症状通常是逐渐发展的并且看起来不具有威胁性，这可能解释了一些观察到的寻求治疗的延迟。

近年来，多项试点研究证明了言语生物标志物与心力衰竭患者全身和/或肺充血程度之间的关系。 例如，2017年，一项对10名（8M，2F）急性失代偿性心力衰竭患者接受静脉利尿剂住院治疗的研究表明，治疗后，患者表现出更高比例的自动识别吱吱声、基频增加和倒谱峰值显着性变化减少，表明语音生物标志物可以作为心力衰竭的早期指标。 该研究还表明，与增加体重所需的严重程度相比，明显改变声音所需的心力衰竭相关水肿的严重程度较小，这表明言语生物标志物可能成为比每日体重更有效的非侵入性工具来监测心力衰竭患者。 2021 年，另一项研究评估了远程语音分析在评估接受血流动力学治疗的心力衰竭患者动态液体超负荷方面的可行性。 他们对 5 名接受血液透析的患者进行了连续的言语/声音测量。 该分析是使用不共享其人工智能算法的应用程序完成的。 他们证明，随着患者治疗的进展，不同体液状态水平下选定的言语生物标志物存在统计学上的显着差异。 随后，在 2022 年，对因 ADHF 入院的患者入院当天和出院当天的录音与 40 名因急性失代偿性心力衰竭入院的患者进行了比较，发现所有 5 项测试的湿言语测量均存在显着差异。 （入院）与干（出院）录音。

另外，2022 年的一项研究评估了急性 (N=68) 和稳定 (N=36) 患者录音中的言语和停顿变化，发现急性心衰患者的停顿比率增加了 14.9%。 他们还发现与 NT-Pro-BNP 水平呈正相关。 2022 年的另一项研究检查了梅尔频率倒谱系数 (MFCC) 特征和声门语音特征，比较了 25 名健康说话者（7F、18M）和 20 名任何病因的 HF 患者（无论 LVEF）的样本。 在选择特征之后，他们使用四种不同的分类方法（SVM、ET、Adaboost 和 FFNN）开发了预测模型。 基于MFCC和Glottal语音特征的结合，他们能够预测ADHF，准确率在88-94%之间，真阳性率为79.47%，真阴性率为82.69%。

通过在一项涉及多达 250 名心力衰竭患者的研究中进行广泛的临床评估、调查以及基于症状的问卷调查，研究人员的目标是在最近的工作基础上开发一种部署在智能设备上的新型基于人工智能的应用程序，它可以通过患者咳嗽、声音、呼吸和胸音的细微变化来检测肺充血的增加。 通过在患者出现明显症状之前正确检测患者肺部逐渐积液，这将为心力衰竭患者及其临床团队提供关键信息。 检测早期肺充血将使临床医生能够更有效地进行针对性治疗。 希望这能够提醒患者联系他们的（社区）心力衰竭团队，并在需要重新住院进入急性期之前尽早进行门诊治疗，从而有助于最大程度地减少并最终防止反复紧急入院的需要。

根据这项研究的成功结果，随后将进行前瞻性介入临床试验，以测试源自 NHS 心力衰竭护理研究的人工智能工具的临床和操作效益，为最终采用此类解决方案铺平道路在常规临床实践中。