剑桥大学的研究人员开发出了一种机器学习算法，它能以90%的准确率检测出狗的心脏杂音，堪比兽医心脏病专家。这一突破提供了一种负担得起的有效筛查工具，可显著提高狗的生活质量，尤其是那些容易患心脏疾病（如二尖瓣疾病）的狗。

剑桥大学创建了一种算法，能以专家级的准确度检测犬类心脏杂音。 这一工具有助于早期诊断和治疗，有可能延长患有心脏疾病的狗的寿命。 图片来源：Jacqueline Garget

研究人员开发出了一种机器学习算法，可以准确检测出犬类的心脏杂音--这是心脏疾病的重要征兆，在查尔斯王猎犬等小型犬种中尤为常见。

剑桥大学领导的研究小组对最初为人类设计的算法进行了改良。 他们发现，该算法可以利用数字听诊器的音频记录自动检测和评估狗的心脏杂音。 在测试中，该算法识别心脏杂音的灵敏度达到了90%，准确度与心脏病专家相差无几。

心脏杂音是二尖瓣疾病的主要指标，也是成年犬最常见的心脏疾病。 大约每 30 只接受兽医检查的狗中就有一只有心脏杂音，小型犬和老年犬的杂音率更高。

由于二尖瓣疾病和其他心脏疾病在狗中非常常见，因此早期发现至关重要，因为及时用药可以延长狗的寿命。 剑桥大学团队开发的技术可以为初级兽医提供一种经济有效的筛查工具，并提高狗的生活质量。 《兽医内科学杂志》报道了这一研究结果。

健康的哈瓦那犬志愿者哈克斯利在剑桥女王兽医学院医院接受身体检查。 图片来源：Jacqueline Garget

第一作者、剑桥大学工程系的安德鲁-麦克唐纳（Andrew McDonald）博士说："人类的心脏病是一个巨大的健康问题，但对于狗来说，这个问题更大。大多数小型犬种在年老时都会患上心脏病，但显然狗无法像人一样进行交流，因此初级兽医就必须及早发现心脏病，以便进行治疗。"

领导这项研究的阿努拉格-阿加瓦尔教授是声学和生物工程专家。他说："据我们所知，目前还没有狗的心音数据库，因此我们一开始就使用了人类的心音数据库。哺乳动物的心脏相当相似，一旦出现问题，它们往往会以相似的方式出错。"

一只患有二尖瓣疾病的狗的心脏扫描图像，显示瓣膜肥厚且有渗漏。 图片来源：Jose Novo Matos

研究人员从大约 1000 名人类患者的心音数据库入手，开发了一种机器学习算法，用于复制心脏病专家是否检测到心脏杂音。 然后，他们对算法进行了调整，使其可以用于狗的心音。

研究人员收集了近 800 只在英国四家兽医专科中心接受常规心脏检查的狗的数据。 所有狗狗都接受了全面的身体检查和心脏科医生的心脏扫描（超声心动图），以分级任何心脏杂音和识别心脏疾病，并使用电子听诊器记录心音。 从数量级上来说，这是迄今为止最大的狗心音数据集。

"二尖瓣疾病主要影响体型较小的狗，但为了测试和改进我们的算法，我们希望获得各种体型、大小和年龄的狗的数据，"共同作者、剑桥大学兽医系小动物心脏病学专家何塞-诺沃-马托斯（Jose Novo Matos）教授说。"用于训练的数据越多，我们的算法就越有用，对兽医和狗主人都是如此。"

一只患有二尖瓣疾病的狗的心脏扫描图像，显示瓣膜肥厚且有渗漏。 图片来源：Jose Novo Matos

研究人员对算法进行了微调，使其既能根据录音检测心脏杂音并对其进行分级，又能区分与轻微疾病相关的杂音和反映需要进一步治疗的晚期心脏病的杂音；

诺沃-马托斯说："对心脏杂音进行分级并确定心脏病是否需要治疗需要丰富的经验、转诊给兽医心脏病专家以及昂贵的专业心脏扫描。我们希望赋予普通医生检测心脏病和评估其严重程度的能力，帮助主人为他们的爱犬做出最佳决定。"

健康的哈瓦那犬志愿者哈克斯利在剑桥女王兽医学院医院接受身体检查。 图片来源：Jacqueline Garget

对算法性能的分析发现，在一半以上的病例中，算法与心脏病专家的评估结果一致，在90%的病例中，算法与心脏病专家的评估结果相差一个等级。 研究人员说，这是一个很有希望的结果，因为不同兽医对心脏杂音的分级普遍存在很大差异。

麦克唐纳说："心脏杂音的分级是确定下一步措施和治疗方法的有用区分指标，而我们已经实现了这一过程的自动化。对于没有听诊器技能的兽医和护士，甚至那些听诊器技能非常娴熟的兽医和护士来说，我们相信这种算法可能是非常有价值的工具。"

对于患有瓣膜病的人类来说，唯一的治疗方法就是手术，但对于狗来说，可以使用有效的药物治疗。阿加瓦尔说："为了让狗狗在尽可能长的时间内获得最佳的生活质量，知道何时用药非常重要。我们希望赋予兽医更多能力，帮助他们做出这些决定。"

诺沃-马托斯说："很多人都在谈论人工智能对工作的威胁，但对我来说，我认为它是一种工具，能让我成为一名更好的心脏病专家。 我们不可能对国内的每只狗进行心脏扫描--我们没有足够的时间或专家对每只有杂音的狗进行筛查。 但是，像这样的工具可以帮助兽医和狗主人，这样我们就可以快速识别出那些最需要治疗的狗。"

编译自/SciTechDaily