一种能够监听数字心跳数据的新机器学习算法可以帮助兽医诊断狗的心杂音和早期心脏病。这项研究由剑桥大学的一组研究人员开发，通过分析电子听诊器记录来评估杂音强度，并诊断粘膜瘤二尖瓣病（MMVD）的阶段——最常见的心脏病形式。它可以减轻对医学成像的需求，使诊断速度更快、成本更低、压力更小
剑桥大学声学和生物医学技术教授、研究资深作者安努拉格·阿加瓦尔（Anurag Agarwal）表示：“我们的研究为狗的瓣膜心脏病检测和治疗方法更容易且更经济实惠奠定了基础。借助这种机器学习算法，兽医可以根据简单的听诊器检查来开药，从而尽早进行干预，并有可能改善结果。”
在美国，大约 10%的狗和高达 75%的老年狗都患有心脏病。在身体检查期间，兽医通常会发现和评估心脏杂音——心脏病的关键指标，倾听心室泵送方式的异常情况。
超声心动图（心脏超声波）可提供详细的心脏结构和功能视图，帮助检测异常并确定疾病的严重程度或阶段。这种成像对于持续监测和评估治疗方法非常重要。然而，它成本高昂，需要专家指导，并且通常意味着狗狗必须在一天内与宠物狗待在一起，这会给已经负担过重的心脏增加压力。
虽然人类心脏声音分析在大型数据集的帮助下取得了进展，但用于狗的类似资源却很少。它们将有助于为自动杂音检测铺平道路。
为了弥合这一差距，研究人员使用电子听诊器（现在越来越多的动物可供兽医使用）对心脏声音进行数字记录，收集了 756 只患有心脏病和不患有心脏病的狗的录音，每只狗都经过了完整的身体检查和超声心动图检查。他们使用最初训练用于检测人体内心脏杂音的递归神经网络，根据狗的特定数据微调模型，以预测录音中的杂音级别。
这些模型在 NVIDIA GeForce 10 系列 GPU 上使用 PyTorch 和 NVIDIA CUDA 进行训练，从而实现高效的数据处理。
在测试中，该算法在检测杂音方面的灵敏度高达 87.9%，与心脏病专家的评估结果相匹配，对更高、更严重的杂音具有更高的灵敏度。它在分级心脏杂音方面也表现出很高的准确性，在 57%的病例中与专家评估结果相匹配。研究人员认为，这令人印象深刻，因为在分级杂音时，不同兽医的评估结果差异很大。
根据这项研究，研究人员计划将该算法部署到一般的兽医诊所中，以评估其在真实环境中的性能。他们计划扩展数据集，以提高准确性和可靠性，特别是对于处于心脏病早期阶段的狗而言。
及早发现心脏病并对其进行正确分级，可帮助兽医决定最佳治疗方案，让患有心脏病的狗过上更健康、更长寿的生活。
阿加瓦尔说：“通过在普通门诊中提供高级诊断功能，这项技术可以降低成本，让狗主人更广泛地获得高质量的心脏护理。
阅读研究一种机器学习算法，用于对狗的心脏杂音进行分级，并分期临床前粘液瘤二尖瓣疾病 。
精选图片来源： www.freepik.com
