最新研究：通过声音能揭示心脏健康？

一种基于人工智能（AI）的计算机算法仅根据语音记录就能准确预测出一个人患上与动脉堵塞有关的心脏病的可能性。

　　

研究人员发现,患有高声音生物标志物得分是2.6倍更有可能遭受重大问题与冠状动脉疾病(CAD)联系在一起,形成斑块心脏动脉,和三倍相比,医疗测试表明斑块形成与那些得分很低。虽然这项技术还没有准备好在临床使用，但演示表明，声音分析可能是一种强有力的筛查工具，可以识别哪些患者可能受益于更密切监测的cad相关事件。研究人员说，这种方法在远程医疗服务和远程健康方面特别有用。

梅奥诊所心脏病学研究员、本研究的主要作者Jaskanwal Deep Singh Sara医学博士说:“远程医疗是非侵入性的、经济有效的，在大流行期间变得越来越重要。”“我们并不是说语音分析技术将取代医生或现有的医疗保健服务方法，但我们认为，语音技术作为现有战略的补充存在巨大的机遇。”为患者提供语音样本是非常直观的，甚至是令人愉快的，它可以成为一种可扩展的手段，我们可以加强患者管理。

这项研究是首次将语音分析用于预测最初筛查后的前瞻性跟踪患者的CAD预后。以前的研究回顾性地检查了与CAD和心力衰竭相关的声音标记物。其他研究小组探索了使用类似技术治疗一系列疾病，包括帕金森氏症、阿尔茨海默氏症和COVID-19。

在这项新研究中，研究人员招募了108名患者，他们被转诊进行冠状动脉造影，这是一种用于评估心脏动脉状况的x射线成像程序。参与者被要求使用Vocalis Health智能手机应用程序录制三个30秒的声音样本。对于第一个样本，参与者朗读一份事先准备好的文本。对于第二个样本，他们被要求畅谈积极的经历，而对于第三个样本，他们被要求畅谈消极的经历。

Vocalis Health算法然后分析参与者的声音样本。基于在以色列收集的1万多个语音样本的训练集，这个基于人工智能的系统被训练来分析语音记录的80多个特征，如频率、振幅、音调和节奏。在之前的研究中，研究人员确定了与CAD高度相关的六个特征。在这项新研究中，研究人员将这些特征合并成一个单一的分数，用一个在-1到1之间的数字表示每个人。三分之一的患者被归类为高分，三分之二的患者被归类为低分。

“我们自己听不到这些特殊的特征，”萨拉说。“这项技术使用机器学习来量化一些我们用人脑和人耳无法轻易量化的东西。”

研究参与者被跟踪了两年。在语音生物标志物得分高的患者中，58.3%的人因胸痛或急性冠状动脉综合征(一种主要的心脏问题，包括心脏病发作)就诊，这是该研究的复合主要终点，而在语音生物标志物得分低的患者中，这一比例为30.6%。声音生物标志物得分高的参与者也更有可能在随后的血管造影中得到阳性的压力测试或被诊断为CAD(复合次要终点)。

科学家们还没有得出结论，为什么某些声音特征似乎表明患有CAD，但萨拉说，自主神经系统可能发挥了作用。神经系统的这一部分调节着不受意识控制的身体功能，包括喉部和心血管系统的许多方面，如心率和血压。因此，声音有可能提供有关自主神经系统如何运作的线索，进而提供心血管健康的见解，萨拉说。

这项研究是在美国中西部对说英语的人进行的，使用的软件是根据在以色列收集的声音样本进行训练的。萨拉说，还需要进行更多的测试，以确定该方法是否适用于不同语言、国家、文化和医疗保健环境。他补充说，在将这种技术纳入远程医疗或现场健康评估之前，解决安全和隐私问题也很重要。

“这绝对是一个令人兴奋的领域，但仍有很多工作要做，”萨拉说。“我们必须知道我们拥有的数据的局限性，我们需要在更多样化的人群中进行更多的研究，更大规模的试验和更多像这样的前瞻性研究。”

Journal Reference:

1. Jaskanwal Deep Singh Sara et al. Non-Invasive Voice Biomarker is Associated with Incident Coronary Artery Disease Events at Follow- Up. Mayo Clinic Proceedings, 2022 [abstract]