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 ]}。

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 ]}。

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。