喘息是临床常见的儿童呼吸道疾病表现之一。然而，因其体征波动变化，医师难以听诊时随时抓捕异常呼吸音，家长更无法识别，造成了临床诊断和治疗过程的较大困难。因此，一种可随时采集儿童呼吸音并进行分析判断的数字监测装置对患儿的家庭治疗和疾病诊治有重大意义。近年来，数字监测装置的发展结合人工智能技术为呼吸音听诊提供了客观依据，提高了疾病诊断的准确率。现阶段基于人工智能技术的呼吸音听诊技术主要侧重于人工智能算法研究，包括了对声谱的图像处理和支持向量机等算法的应用。现就现阶段基于数字监测装置的呼吸音人工智能算法研究及应用进行综述。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
支气管哮喘(简称哮喘)是儿童时期最常见的慢性呼吸道疾病[1]。从全球来看，近年世界各国儿童哮喘的患病率总体上仍在上升，尤其是年幼儿童[2]。全球哮喘的病死率为1/10万~1/20万，其中年轻人占有很大比例[3]。我国城市14岁以下儿童哮喘的累积患病率从1990年的1.09%上升至2010年的3.02%，个别城市甚至达到了7.57%[2,4]，严重影响了儿童的身心健康，给家庭和社会带来了沉重的精神和经济负担[1]。
哮喘是一种以慢性气道炎症和气道高反应性为特征的异质性疾病，以反复发作的喘息、咳嗽、气促、胸闷为主要临床表现，常在夜间和凌晨发作或加剧[1]。喘息是其最常见的临床表现之一，但非医务人员很难正确识别患儿的喘息症状，而且患儿往往无法配合肺功能检查，因此对患儿喘息症状做出准确实时的评判是一个难点。
近年来采用人工智能分析技术对哮喘患儿进行病情评判的研究逐渐兴起。这类研究主要通过数字监测装置对呼吸音进行采集并进行数字化处理和转换，运用多种分析方法形成特征性的信号参数，建立参数与疾病间的关系，最终以人工智能的方式实现对患儿症状的评估。现就呼吸音人工智能算法研究及应用进行综述。
喘息是哮喘发作最常见的临床表现之一。除了见于哮喘儿童之外，喘息也可见于毛细支气管炎、囊性纤维化、异物吸入、支气管软化症和原发性纤毛运动障碍等儿童。发生哮喘时的喘息呼吸音是一种能在呼气时听到的高调乐音，其主要特征是持续时间至少为100 ms的声能在100~1 000 Hz范围内的正弦振动[5]。
喘息最常用的判断方法是根据听诊器听诊和来自父母报告的"喘息"[6]。然而由于儿童无法正确表达、家长对喘息的理解不准确、喘息的波动性以及患儿哭吵等原因的干扰导致医师无法及时听诊做出诊断。这些困难造成了我国儿童哮喘的总体诊断水平不理想，控制水平欠佳的现状。第3次中国城市儿童哮喘流行病学调查显示，最近1年曾因喘息住院的患儿比例仍很高，近1/3的患儿曾因喘息看急诊[2]；并且，我国儿童哮喘流行病学调查结果显示，城市儿童哮喘的漏诊率达30%[1]，均提示了目前哮喘的诊治和管理上存在很大不足。因此检测喘息时的呼吸音可用于诊断呼吸系统疾病和评估治疗效果[6]。
呼吸音是人体发出的一种生理信号，通过分析呼吸音可以获得呼吸系统的生理学和病理学信息，可以初步判别肺部疾病的病变位置和病变类型。
人耳获取声音信息的最佳范围为1 000~2 000 Hz，婴儿哮鸣音发生的平均主要频率为225.5 Hz[6]。根据计算机化呼吸音分析(computerized respiratory sound analysis，CORSA)，通常将主频在100~1 000 Hz内正弦振荡且持续时间超过100 ms的声音定为哮鸣音。可见呼吸音的平均主要频率不在人耳获取声音信息的最佳频率范围之内[7]。因此在传统听诊中，听诊器性能和听诊医师的经验水平对听诊结果的准确性有很大影响。尤其对于一些基层医疗机构医师和刚走出校园的医学生，由于临床经验不足很容易出现误诊[8]。基于此，应用先进的传感器技术和人工智能技术采集和分析呼吸音，可使听诊声音标准化，有助于临床诊治和实践医学教育[8]。
在呼吸音的分析中，呼吸音信号数据采集的效果直接影响信号分析的难易程度和最终结果，故优质的呼吸音采集技术尤为重要。呼吸音采集的一般思路为用传感器将人体的呼吸音信号采出，将采集到的呼吸音电信号从模拟信号转化为数字信号传输到不同的终端设备中进一步分析。呼吸音采集设备可以大致分为接触式和无接触式。
接触式采集设备可以减少空气中背景噪声的影响，但易受到设备与身体之间产生的摩擦声影响。例如Puder等[6]使用PulmoTrack® Model 2020来记录呼吸音。记录时将两个传感器使用黏性泡沫分别放在胸骨柄和左腋中线位置以减少环境噪音，该传感器在±3分贝(dB)频率响应范围为75~2 000 Hz、可用范围超过4 kHz，测试时在患者附近放置一个麦克风记录环境噪声，以此降低信噪比。
关于非接触式呼吸音(non-contact-based breath sound，NCBBS)采集是使用非接触式方法，如使用普通数字语音记录器在儿童口中采集呼吸音。NCBBS采集技术可以有效地用于诊断肺炎等主要呼吸道疾病。这一采集方式的优点是采集设备价格较低，并且在捕获系统输入时需要较少的监督，因此这种方法更适用于未经培训的用户/患者。此外，基于非接触的方法不会给患者带来不适。但由于这种采集方式的数据中含有大量的环境噪声，需通过立体减影方法抑制这些噪声，然后从这些数据中提取不同的声学特征。
由上述可知，呼吸音采集技术已经较为完备，可以较好收集到患者的呼吸音，但不同采集方法具有各自的优劣。
呼吸音采集技术已在上文详细叙述，但仅基于数字监测装置采集到的呼吸音数据进行人工智能分析是远远不够的。为了呼吸音智能听诊能实现对不同呼吸音的鉴别，技术流程主要包括呼吸音采集、信号预处理、呼吸音特征提取和人工智能分析(图1)。
对于原始的呼吸音数据，首先需要进行一系列的信号预处理操作，包括数据质控和归一化、声谱图像生成、声谱图像处理等步骤。由于从不同个体采集的音频有一定差异性，需要进行归一化处理。所有数据首先通过脉冲响应数字过滤器(impulse response digital filter，IIR)进行初步的噪声过滤，再根据其频率高低进行归一化[9]。声谱图像生成主要基于快速傅立叶变换算法[10]，将音频数据转换为二维的声谱图，便于进行可视化和特征提取。对于声谱图像的处理，不同的研究者采用不同的方法。为了减少快速傅立叶变换算法可能导致的频谱泄漏，Bokov等[5]利用汉宁窗(Hanning window)分割声谱，并利用自回归模型进行进一步的过滤。Riella等[9]对声谱图像进行二维卷积过滤和半阈值处理，以增加其对比度。
根据处理后的声谱图像可以进行呼吸音特征提取，进而完成用户反馈及进行下一步的人工智能分类。通常，哮鸣音的识别方法基于3种声谱信号定义：持续时间、出现频率或两者兼顾[11]。一般认为，持续时间多于80 ms、频率在100~1 000 Hz之间的呼吸音为哮鸣音[12]。基于此，研究者们将声谱中哮鸣音的特征提取出来用于下游分析，包括哮鸣音的数量、每个哮鸣音的峰态、峰的熵值、峰值比等，组成哮鸣音特征矩阵。
人工智能技术的发展带动了医学领域智能算法的应用。在呼吸音智能识别中，人工智能技术主要扮演了分类器的角色，通过输入哮鸣音等有效特征进行模型训练，实现自动区分呼吸音的类别，在家庭自我监测和基层辅助人耳听诊中有较大的应用价值。其中，人工智能技术又分为传统的机器学习方法和以神经网络为代表的深度学习模型。
应用于智能听诊技术的传统机器学习方法主要包括逻辑斯蒂回归[5]、人工神经网络(artificial neural networks，ANN)、高斯混合模型(Gaussian mixture model，GMM)、支持向量机(support vector machine，SVM)等。逻辑斯蒂回归模型虽可用于对输入数据和输出结果之间复杂关系进行建模，但由于逻辑斯蒂回归函数的输出具有概率意义，使得逻辑斯蒂回归函数更多用于二分类问题，从而相对适用于哮喘音的识别。Güler等[13]利用ANN对来自96个不同个体的呼吸音构建了人工智能分类器，测试数据集准确率可达83%~93%。Bahoura[14]评估和比较了基于傅立叶变换的特征提取技术、线性预测、小波变换和梅尔频率倒谱系数(Mel-frequency cepstrum，MFCC)，利用GMM构建呼吸音的二分类器，结果显示基于MFCC系数与GMM相结合的方法非常适用于呼吸音的二分类情形。随着机器学习理论的发展，SVM模型支持向量机因其能使结构风险最小化而被提出用于解决学习问题，其中应用于哮鸣音检测的研究也不少见，如Wisniewski和Zielinski[11]利用SVM构建哮喘的呼吸音检测模型。以上列举的机器学习方法均依赖于之前手工提取的呼吸音特征，因此算法性能会受到前期数据预处理过程的影响，当应用于不同来源的数据时可能存在较大困难，这是传统机器学习方法的局限性[15]。
深度学习算法可通过自动学习提取呼吸音的特征进行神经网络模型的训练，相比传统的机器学习模型表现更好，且已被广泛应用。Bardou等[16]利用卷积神经网络(convolutional neural networks，CNN)构建了深度学习模型，并比较了其与包括SVM、k近邻算法(k-nearest neighbor，k-NN)、GMM在内的传统机器学习方法，结果显示基于CNN的整合模型准确率可达95.56%，明显优于传统模型。该研究还指出基于人工智能识别的模型可以嵌入电子听诊器，以解决传统听诊技术的局限性。Acharya和Basu[17]利用CNN和循环神经网络(recurrent neural network，RNN)混合模型对基于MFCC的呼吸音进行分类，并采用本地日志量化策略减少内存占用，以便应用于可穿戴设备等内存受限系统中。结果显示，深度学习模型可很好地应用于呼吸音人工智能识别中，并且与机器学习模型相比有更优越的表现。
哮鸣音与啰音的鉴别对于疾病的分类诊断有重要意义，目前通过深度学习算法可以针对哮鸣音与啰音的特点进行分类判断。不同呼吸音产生原理存在差异，呼吸流速，气道管壁变硬、管径变小这些因素均可影响呼吸音参数。利用这一特性，Kim等[18]通过对哮鸣音与啰音的声波、音色、连续性及发生机制特点进行总结(表1)，运用CNN对囊括了啰音、哮鸣音等在内共计1 918例呼吸音(正常呼吸音1 222例，湿啰音297例，哮鸣音298例，干啰音101例)进行深度学习。结果显示CNN深度学习识别正常呼吸音与异常呼吸音的准确率可达86.5%，更有意义的是CNN可在异常呼吸音中将哮鸣音、低调干啰音、湿啰音进行鉴别区分，其准确率达85.7%，要高于医学专业人员(医学生的60.3%，临床实习生53.4%，住院医师68.8%，主治医师80.1%)的准确率。
哮鸣音与啰音分类特点
Classification characteristics of wheezing and rale
哮鸣音与啰音分类特点
Classification characteristics of wheezing and rale
| 呼吸音 | 发声机制 | 部位 | 音色特点 | 连续性 | 音调 |
|---|---|---|---|---|---|
| 哮鸣音 | 气道狭窄，气流受限 | 支气管 | 正弦波 | 连续 | 高 |
| 频率>100~5 000 Hz | |||||
| 持续时间>80 ms | |||||
| 低调干啰音 | 气道分泌物，黏膜增厚 | 支气管 | 正弦波 | 连续 | 低 |
| 频率约150 Hz | |||||
| 持续时间>80 ms | |||||
| 细湿啰音 | 小气道内气泡破裂 | 肺周 | 快速衰减波缺陷 | 非连续 | 高 |
| 频率约650 Hz | |||||
| 持续时间较短(约5 ms) | |||||
| 粗湿啰音 | 大支气管或支气管内气泡破裂 | 肺周 | 快速衰减波缺陷 | 非连续 | 低 |
| 频率约350 Hz | |||||
| 持续时间较长(约15 ms) |
目前以CNN为代表的深度学习技术能够很好地处理医学领域任何类型的分类问题，其性能取决于各种因素，如训练样本的大小和参数、超参数选择等，但其在不同数据集的表现有待进一步研究验证。
人工智能及计算机分析技术的发展让哮喘呼吸音的监测与分析更为智能与准确。基于不同功能研发的智能听诊器，分别具备或同时具备采集声音音频信息、借助软件系统实时采集和显示声音波形信号、借助蓝牙、移动硬盘实现声音的储存和传输、把声音信号数字化等功能[19]。目前，对哮喘呼吸音智能听诊设备的要求主要集中在便携、准确、智能、低功耗等方面，国内外也有不少的设备在研发应用中。Oletic和Bilas两位研究者用一种可穿戴式传感器记录哮喘患者的呼吸信号，之后使用隐马尔可夫模型(hidden markov model，HMM)用于呼吸音的分类，来监测事先录下的患者喘息声。MATLAB实验室里研究人员开发了呼吸音标注软件(respiratory sound analysis software，RSAS)。RSAS是一种用于收集肺音、分析标注的工具[20,21,22]。RSAS允许录音，分析过程允许卫生专业人员通过使用不定肺音(ALS)，如爆裂声、喘息声和呼吸音相位来诊断、监测和检测心肺疾病；并且也有在Java环境下开发的计算机化肺听诊声音软件(CLASS)，集成了关于呼吸音的记录、标注和教程，在学术和临床环境中能发挥相应作用[20,22,23,24,25]。KarmelSonix公司推出过用于哮喘管理的应用设备——Wholter™和Wheezometer™，能对哮喘患者提供实时监测和数据记录以协助医师诊断。Wheezometer是一种手持式自我评估设备，而Wholter是一款24 h随身监测设备，可在较长时段内监测哮喘情况。这两款设备均可以通过采集声音信号，使用专有的肺部传感器和先进的信号处理技术来记录声音标志，然后利用专有算法进行数据分析，具有低功耗、小尺寸以及紧密集成的外围设备等诸多设计优势；Respiri公司新开发了一款可连接手机APP的哮喘检测设备wheezo™，包含一个eHealth应用程序以及一个简单易用的手持设备，已于2020年10月在澳洲和欧洲市场推出。wheezo也是第一款可通过监测喘息并记录症状、体征、触发因素、特定位置天气状况和用药情况来帮助患者改善自我哮喘病情管理的智能设备。并在此基础上开发改进了专有算法，OMRON公司也新推出一款OMRON WheezeScan HWZ-1000T & Asthma diary的智能设备，WheezeScan采用了欧姆龙技术加持的高解析麦克风和降噪系统以及哮鸣音判断算法(软件，图2)[26]，保证了哮鸣音检测器的高准确度。经过临床实验验证，理想状态下对374例哮喘患儿进行监测，可以高精度检测出哮鸣音的有或无[27]。哮喘日记等应用程序作为其配套应用程序，可记录日常症状和处方药。当一起用于记录喘息发生、症状和药物治疗时，该系统可以与医师共享家庭哮喘管理信息。
总的来说，目前自动检测呼吸音、附加音以及异常呼吸音方面的技术手段日臻成熟，也有不少的智能设备不断涌现[19]，但目前仍缺乏一款集合高效、准确、便携、完善软件生态系统的哮喘呼吸音智能听诊设备应用于临床。在软件方面，目前仍然处于初步收集整理患者信息的阶段，缺乏对数据的深度挖掘和整合利用，仍然有较大的发展空间和发展潜能[21]。假以时日，辅以日益强大的计算能力和大数据云平台的广泛使用，自动检测、分析呼吸音的便携设备在临床和生活中的应用指日可待[19]。
判断婴幼儿喘息的早期发现临床意义较大，但由于哮喘早期症状常不典型，很难第一时间识别。呼吸音分析可提供部分有用信息，呼吸音参数变化可以反映慢性气道炎症、气道高反应和气道重构的情况，如100~400 Hz频率范围内的呼吸音还可反映气道狭窄的程度；呼气相中频段(200~400 Hz)的声功率比也与气道高反应性相关[21]。
哮喘患者出现喘息不仅受气道管径的影响，还与气道壁的厚度、弯曲刚度和纵向张力有关。因此针对呼吸音的智能分析对早期发现、早期干预及预防哮喘的发生意义重大。比如将呼吸音信号转换为频域(横轴表示频率，纵轴表示功率)上的能量分布，分析能量分布的特征发现，1 500 Hz附近区域面积与总曲线下面积的比值可用于评估支气管痉挛，而且这一指标受呼吸气流、肺活量、年龄或体质量的影响较小，具有较高敏感度[19]。呼吸音分析还可提示有哮喘危险因素的患儿可能已存在气道潜在的改变，比如将呼吸音数据转换为功率谱，测算其不同频率百分比时的功率谱以及相对应的功率和频率比(RPF)，发现过敏患儿的RPF75和RPF50均高于无过敏患儿，特应性皮炎患儿RPF75、RPF50、F99值均高于非特应性皮炎患儿，提示患儿可能存在小气道狭窄。
针对儿童临床上难以良好配合检测的难点，呼吸音智能听诊结合了非侵入性的数据采集、可自动检测和人工智能分析呼吸的优势已被应用于评估小儿喘鸣情况的早期诊断和检测中[23,24]。目前，经过实践已经有部分成品化的设备可使用，PulmoTrack®为一款代表性设备，在安静或睡眠下可特异度检测新生儿的喘鸣，吸气和呼气哮鸣音的灵敏性分别为85.7%和84.6%，特异性分别为80.7%和82.5%[6]。
目前，此类智能听诊设备可用于重症哮喘儿童康复治疗过程中呼吸音的存储记录，以便临床医师进行评估和调整用药方案。在哮喘严重度评估方面，通过对吸气呼吸音频率时声音强度的分析发现吸气呼吸音频率为700 Hz时计算出的呼吸音指数(ic700)可辅助评估哮喘的严重程度和控制情况，采用ic700评估无症状哮喘儿童的气流受限情况，结果显示ic700与哮喘严重程度有关，且ic700不受个体差异的影响。同时，ic700可用于哮喘儿童吸入皮质类固醇(inhaled corticosteriods，ICS)的治疗效果评估，结果表明，ic700在评估ICS治疗效果和预测2周内哮喘发作方面具有实用价值[19]。
此外，针对哮鸣音的特征和夜间睡眠障碍关系的研究，发现哮鸣音带可作为病情严重的风险指标，对呼吸疾病的家庭管理起到帮助[25]。
对于临床医师而言，小儿哮喘因其隐匿性和发作的一过性导致小儿哮喘的诊断困难，因此能够提供实时检测功能将为临床医师提供决策依据。呼吸音智能听诊设备可用于医疗机构或家庭的实时检测需求，从而为哮喘患儿提供尽早的干预提供条件。
对于患者家庭使用而言，有研究对于呼吸音智能听诊设备的使用复杂性及使用效果进行了评价[25,27,28]。采用呼吸音智能听诊设备(WheezeScan)对学龄前哮喘儿童家庭管理影响的探索性试点研究中发现，设备对于9~70个月儿童的使用是简单而安全的；在30 d的使用期时间跨度内父母通过设备附带的电子日记可靠地记录症状和喘息检测结果[28]。WheezeScan设备提高了父母在儿童哮喘管理方面的自我效能。该研究发现用智能听诊设备时，家长正确记录喘息症状的比例比人工判定时提升了6倍，同时家长们反映这使得他们在家管理患儿喘息症状时感到更安全，研究显示WheezeScan设备组的不良事件出现率要优于患儿父母人工检测组[28]；研究表明，当医师使用WheezeScan辅助对患儿进行哮鸣音检测时，检测的敏感性增加到83.3%，特异性为100.0%[28]。
呼吸音智能听诊技术的应用极大程度上为患者提供了便携的医疗服务，通过将该装置应用于远程医疗，可以检测到婴幼儿和青春期之前忽略的哮喘发作，便于患者在家中判断异常呼吸音的性质并指导用药，对哮喘的长期预后改善提供了证据[29]。
哮鸣音智能听诊体现出很广阔的临床应用前景，哮鸣音智能听诊设备将向便携化、小型化发展，正在进入患者家庭使用中去。目前将人工智能技术应用于便携式数字监测装置的局限性主要是数据采集过程中包含了环境噪声、数据存储方式的限制和可靠性验证[17]。
目前我国呼吸音数据的缺乏，尤其是高质量、标准化、带有疾病标注且公开的呼吸音数据库的缺失，一直是哮喘呼吸音智能听诊算法改进和测试的最大阻碍，使哮喘呼吸音智能听诊设备的发展和推广较难进行[22]。虽然国内外众多团队也创建了一些数据集，但是呼吸音作为音频数据，不同采集设备性能的优劣和环境噪声等因素都会对采集到的呼吸音数据质量造成影响，因此对于环境噪声，除了对算法的优化以外，对穿戴设备的改良以及采集方式的改进也同样需要进一步研究[23,24]。
同时，不同年龄段和不同病情的人群也可能会出现不同的特征，故要建立一个高质量且标准化的数据库绝非易事。因此，相关医疗单位或能联合相关领域的专家制定一份采集指南，以统一不同采集硬件设备的参数、采集的流程、统一基于呼吸音筛查呼吸系统疾病的筛查标准并去实现呼吸音收集和诊断标注工作，与医疗单位共同进行呼吸音数据库的建立。
随着智能听诊器如WheezeScan等产品的上市，目前国外已有将智能听诊用于教学实践[30]。如果我国能建立相关的培训平台，获得包括正常儿童呼吸音在内的更多临床数据，在进一步优化人工智能模型的同时也能进行可靠性的验证，有望更好地辅助临床决策。加大哮喘智能听诊的推广和应用，并在实际应用过程中不断改进，最终实现哮喘智能听诊筛查系统的大规模应用，为医疗工作者和普通民众提供便利。
呼吸音智能分析技术平台已经推广应用于其他呼吸相关的疾病中，这一拓展应予以重视[31,32,33]。我国有许多咳喘症状的患者，如误诊使用抗菌药物治疗或因诊断不明，反复进行各种检查，这不仅将增加患者痛苦，也会加重社会经济负担；针对国内特点，近年来我国开展了有关咳嗽病因诊治的临床研究，并已推出相应诊断指南[34]。如果采用人工智能呼吸音分析技术，为我国的相关诊疗指南制定提供更多的量化临床数据支持，将有利于标准化诊疗的推广和实施。
所有作者均声明不存在利益冲突
