一種能夠監聽數字心跳數據的新機器學習算法可以幫助獸醫診斷狗的心雜音和早期心臟病。這項研究由劍橋大學的一組研究人員開發，通過分析電子聽診器記錄來評估雜音強度，并診斷粘膜瘤二尖瓣病（MMVD）的階段——最常見的心臟病形式。它可以減輕對醫學成像的需求，使診斷速度更快、成本更低、壓力更小
劍橋大學聲學和生物醫學技術教授、研究資深作者安努拉格·阿加瓦爾（Anurag Agarwal）表示：“我們的研究為狗的瓣膜心臟病檢測和治療方法更容易且更經濟實惠奠定了基礎。借助這種機器學習算法，獸醫可以根據簡單的聽診器檢查來開藥，從而盡早進行干預，并有可能改善結果。”
在美國，大約 10%的狗和高達 75%的老年狗都患有心臟病。在身體檢查期間，獸醫通常會發現和評估心臟雜音——心臟病的關鍵指標，傾聽心室泵送方式的異常情況。
超聲心動圖（心臟超聲波）可提供詳細的心臟結構和功能視圖，幫助檢測異常并確定疾病的嚴重程度或階段。這種成像對于持續監測和評估治療方法非常重要。然而，它成本高昂，需要專家指導，并且通常意味著狗狗必須在一天內與寵物狗待在一起，這會給已經負擔過重的心臟增加壓力。
雖然人類心臟聲音分析在大型數據集的幫助下取得了進展，但用于狗的類似資源卻很少。它們將有助于為自動雜音檢測鋪平道路。
為了彌合這一差距，研究人員使用電子聽診器（現在越來越多的動物可供獸醫使用）對心臟聲音進行數字記錄，收集了 756 只患有心臟病和不患有心臟病的狗的錄音，每只狗都經過了完整的身體檢查和超聲心動圖檢查。他們使用最初訓練用于檢測人體內心臟雜音的遞歸神經網絡，根據狗的特定數據微調模型，以預測錄音中的雜音級別。
這些模型在 NVIDIA GeForce 10 系列 GPU 上使用 PyTorch 和 NVIDIA CUDA 進行訓練，從而實現高效的數據處理。
在測試中，該算法在檢測雜音方面的靈敏度高達 87.9%，與心臟病專家的評估結果相匹配，對更高、更嚴重的雜音具有更高的靈敏度。它在分級心臟雜音方面也表現出很高的準確性，在 57%的病例中與專家評估結果相匹配。研究人員認為，這令人印象深刻，因為在分級雜音時，不同獸醫的評估結果差異很大。
根據這項研究，研究人員計劃將該算法部署到一般的獸醫診所中，以評估其在真實環境中的性能。他們計劃擴展數據集，以提高準確性和可靠性，特別是對于處于心臟病早期階段的狗而言。
及早發現心臟病并對其進行正確分級，可幫助獸醫決定最佳治療方案，讓患有心臟病的狗過上更健康、更長壽的生活。
阿加瓦爾說：“通過在普通門診中提供高級診斷功能，這項技術可以降低成本，讓狗主人更廣泛地獲得高質量的心臟護理。
閱讀研究一種機器學習算法，用于對狗的心臟雜音進行分級，并分期臨床前粘液瘤二尖瓣疾病 。
精選圖片來源： www.freepik.com
