Transformer AI 模型以超过 90% 的准确率检测儿童的喘息：研究

快速阅读: 《韩国生物医学评论》消息，韩国研究团队开发AI模型AST，能以91.1%准确率识别儿童喘息声，用于早期诊断哮喘等疾病。模型基于Transformer技术，可于移动设备运行，未来将优化以便在资源匮乏地区实现实时诊断。

韩国一支研究团队开发出一种基于变压器的人工智能（AI）模型，能够以91.1%的准确率识别儿童喘息声——这是小儿哮喘和慢性阻塞性肺病（COPD）等呼吸系统疾病的关键早期指标。这项研究成果发表在《科学报告》上，介绍了一种由首尔大学盆唐医院儿科系金炯勋教授团队开发的名为音频光谱变压器（AST）的人工智能模型。该模型运用了最初由谷歌为自然语言处理引入的变压器技术，并已广泛应用于语音识别、图像处理以及抽象模式检测等领域，成为像ChatGPT这样的工具的核心技术。

首尔大学盆唐医院的金炯勋教授指出，喘息声是由狭窄或阻塞的气道引发的高音调声音，是小儿哮喘以及其他呼吸系统疾病的常见症状。目前，诊断通常依赖医生通过听诊器听取呼吸声，这种方法高度依赖临床经验和主观判断。这凸显了更客观、更准确诊断工具的重要性。

为了训练AST模型，研究团队使用了一组包含725个记录的呼吸声的数据集，其中包括194个喘息声和531个其他呼吸声。其中80%用于训练模型。两位儿科肺科医生独立评估了所有音频样本，以确保客观验证。AST模型通过将音频数据转换为梅尔频谱图来进行数据处理，这是一种显示时间上声音频率的视觉表示，然后将其分割成16×16像素块。模型分析这些片段之间的关系以检测喘息模式，提供高水平的诊断精度，准确率达到91.1%，同时精确率为88.2%。

值得一提的是，AST模型在预处理过程中几乎没有数据丢失，并且足够轻便，可以在移动设备上运行。这使其成为临床环境中使用智能手机或平板电脑进行实时诊断的强大工具——尤其是在医疗专业人员有限的地区。

“由于儿童肺泡表面积相对较小，他们更容易受到呼吸系统疾病的侵害，因此早期准确检测喘息声尤为重要，”金教授说，“我们的研究结果展示了AI驱动的AST模型在临床应用中的潜力。我们计划进一步优化该模型，使其能在智能设备上使用，即使在资源匮乏的地区也能实现实时诊断。”

展示AST分析喘息（W）、正常呼吸（B）和噪声（N）的图像。（首尔大学盆唐医院供图）

(以上内容均由Ai生成)