 作 者：姜苏蓉，钱丽君，杨闯，夏玉东，吴军 作者单位：南京医科大学第一附属医院老年心血管科（姜苏蓉，钱丽君，吴军），乳腺外科（杨闯），心内科（夏玉东） 作者简介：姜苏蓉，主要从事心肌老化的基础和临床研究。 通信作者：吴军 基金项目： 江苏省高等学校自然科学重大项目（21KJB320003）；江苏省社会发展-临床前沿技术项目（BE2023818）；江苏省老年健康科研重点项目（LKZ2023001）；江苏省人民医院临床能力提升工程面上项目（JSPH-MB-2022-13）;江苏省干部保健科研课题（BJ21019）；南京医科大学教育研究课题（2023YJS-LX011,2023YJS-LX012） 摘 要 近年来，心血管疾病的发病率持续上升，引发了对创新诊断和管理技术的需求。人工智能辅助的心音分析技术，基于电子听诊器和计算机辅助的心音分析算法，已成为研究的热点。该技术能够实现对心音信号的精确量化分析与分类识别，在瓣膜性心脏病、冠状动脉疾病、先天性心脏病、心力衰竭以及血压评估等领域展现出重要价值。人工智能系统不仅提高了心音分析的敏感性和特异性，还推动了医疗资源不足地区基层诊疗水平的提升，其在算法上的进展包括基于深度学习的特征提取、心音信号去噪与增强，以及心脏病风险预测模型的开发。本文讨论人工智能心音分析系统在心血管疾病诊断中的应用现状与进展，为未来技术的临床转化和研究方向提供参考。 关键词 心音分析；人工智能；电子听诊器；心血管疾病；计算机辅助诊断 引用格式 姜苏蓉，钱丽君，杨闯，等. 人工智能心音分析系统在心血管疾病中的应用进展［J］. 实用心电与临床诊疗, 2025, 34(1): 143-147. DOI: 10.13308/j.issn.2097-5716.2025.01.030  1 心音及心音听诊 心音的产生机制涉及心脏瓣膜及大血管在血液流动作用下的振动，这些振动源于血流对心脏瓣膜、心房和室壁的冲击，以及心脏内部血流速度变化导致的湍流与涡流效应。心音包含大量能够反映心血管功能状态的生理与病理信息，与心脏组织的物理性质及血流动力学变化紧密相关。通过对心音的分析，能够为心血管疾病的早期诊断和评估提供重要线索。 心音听诊是由专业医务人员借助听诊器进行的初步临床诊断。作为一种传统的检查手段，心音听诊是心血管疾病初步筛查与评估的有效途径之一。通过听诊，医生能够初步评估心脏功能，判断瓣膜疾病及心律失常。然而，由于人耳对微弱心音判断的限制，以及传统听诊器传音效果差等原因，早期轻微的心脏变化往往难以察觉。此外，听诊过程中可能受到环境、患者体型及医生主观因素的影响，降低了人耳对心音变化的分辨力，导致误诊或漏诊。因此，临床上亟须一种更精确的心音听诊工具，以提高诊断灵敏性和准确性。 2 人工智能心音分析 随着电子技术的迅猛发展，电子听诊器应运而生，突破了传统听诊器的局限性。该设备可通过蓝牙等无线技术将采集到的心音数据传输到计算机或智能手机上进行存储与分析。电子听诊器具有信号失真度低，稳定性、抗干扰能力强的特点，并能提供更高质量的心音信号。此外，现代数字信号处理技术与模式识别技术，如小波分析、时频分析、自回归模型（AR模型）的广泛应用，加之各类人工智能识别技术（如神经网络、支持向量机等）的赋能，推动了心音分析技术的突破。 人工智能辅助心音分析技术基于电子听诊器与计算机算法，通过去噪、分段、时域特征提取及分类4个步骤实现心音的定量分析。具体而言，心音信号经电子听诊器采集后转化为电信号，经过处理生成心音图，这是一种由声音信息转化成的可视化波形数据。利用深度学习和神经网络技术，从心音信号中提取病理信息并进行分类。通过与数据库中的数据对比，系统能够自动得出直观的诊断结果。人工智能心音分析技术显著提升了心音分析在计算机辅助诊断心血管疾病中的应用价值，对避免误诊及提高临床决策的可靠性具有重要意义。此外，心音的非侵入性检测方式也方便了患者进行定期检查，增强了随访管理的有效性。 3 人工智能心音分析在心血管疾病中的应用 3.1 人工智能心音分析与瓣膜性心脏病 随着社会老龄化的加剧，瓣膜性心脏病（valvular heart disease，VHD）的发病率逐年上升。心音听诊在诊断VHD中扮演着重要角色。通过分析心音，医生可以评估瓣膜功能，识别杂音（如收缩期杂音、舒张期杂音等），并推测瓣膜的病理变化。近年来，人工智能心音分析技术在VHD领域取得了显著进展。利用深度学习、卷积神经网络等技术，能有效提高VHD的诊断效率和精度。 BAGHEL等通过卷积神经网络分析1 000例患者的心音信号，成功地区分了正常心音与不同类型VHD心音，准确率达到98.6%。GHOSH等将稀疏表示分类器与K-最近邻算法相结合，分析1 000例VHD患者的心音数据，准确率达99.2%。ALKHODARI等运用卷积神经网络技术对VHD患者进行诊断，准确率亦高达99.3%。这些研究结果表明，人工智能心音分析技术在VHD的早期诊断中具有重要应用价值。 3.2 人工智能心音分析与冠状动脉疾病 冠状动脉疾病（coronary artery disease,CAD）是由冠状动脉供血不足引起的一组疾病，主要表现为心绞痛与急性心肌梗死等，已成为影响人群健康的重要疾病。因此，早期识别和及时干预对改善CAD患者的预后至关重要。研究显示，当冠状动脉狭窄程度达到25%时，会引起血流受阻并产生特有的湍流声。这些血流湍流的声学特性可通过心音监测系统被有效监测与识别出来。 LARSEN等的研究分析了191例CAD患者与955例非CAD患者的心音，结果显示，CAD患者与非CAD患者在第一心音（S1）和第二心音（S2）的时频谱上存在显著差异，尤其是舒张期的低频能量显著增加。LI等通过卷积神经网络进行智能心音分析，准确率高达90.4%。LIU等在智能心音分析的基础上，探讨了多通道心音信号的联合分析方法与同步采集技术的应用，实现了多域特征及耦合特征的提取，并构建了相应的多通道心音采集系统，显著提升了对冠心病的识别准确率。这些结果表明，人工智能心音分析对冠心病的早期诊断与风险评估具有重要意义。 3.3 人工智能心音分析与先天性心脏病 先天性心脏病（简称先心病）常表现为血流异常所引起的心脏杂音，人工智能心音分析技术能够从心音信号的异常变化中识别这些杂音。研究者已通过机器学习和深度学习方法实现了对先心病的自动识别与分类，显著提高了诊断的准确性和效率。 AZIZ等的研究显示，机器学习方法能够对三种常见先心病（动脉导管未闭、房间隔缺损、室间隔缺损）进行有效分类，准确率为95.24%。XIAO等将卷积神经网络技术应用于先心病的诊断，取得了93.6%的准确率。由于单纯杂音在儿童中较为常见，而中度或重度先天性心脏缺陷的发生率较低，因此，在临床上准确鉴别单纯杂音与先天性心脏缺陷相关的杂音至关重要。最近一项多中心研究表明，基于人工智能的心音分析算法能够有效区分不同年龄组儿童的病理性和无害性杂音，且具有较高的敏感性（69%）和特异性（97%）。该算法在识别过程中表现出色，显示出其在临床应用中的潜在价值。 3.4 人工智能心音分析与心力衰竭 在心力衰竭的诊断与评估中，心音分析技术可通过时域、频域、时频域特征与非线性特征的提取，反映心脏功能的变化。人工智能心音分析技术已在心力衰竭的早期诊断、分型及疗效评估中展现出优势。GJORESKI等通过随机森林与卷积神经网络结合的方法诊断慢性心力衰竭，准确率达到86.3%。此外，GAO等构建的心力衰竭筛查模型，通过心音分析技术实现了射血分数保留型及射血分数降低型心力衰竭的自动识别，准确率高达98.82%。心音智能分析在心力衰竭疗效评估和预后评估方面也展现了较好的临床价值。研究表明，通过同步心音和心电图分析获得的心音特征指标，如电-机械激活时间（electromechanical activation time，EMAT）有助于射血分数降低型心力衰竭患者的诊断。以EMAT≥104 ms作为判定射血分数<5%的截断值，具有较高的敏感性和特异性。此外，进展性心力衰竭患者植入左心室辅助装置后，人工智能心音监测技术可实现实时、远程、动态心功能监测，帮助早期识别右心衰竭、机械泵故障等与装置相关的并发症。 3.5 人工智能心音分析与血压评估 近年来，基于心音信号的血压评估技术已成为一种非侵入性、连续监测的新方法，许多相关研究成果突显了该技术的临床应用潜力。在动物研究方面，TANG等利用健康犬通过肾上腺素诱导血流动力学变化，结合心音的多维度特征，采用反向传播神经网络推算左心室收缩压。在100~280 mmHg的收缩压范围内，该方法的绝对误差低至7.3 mmHg。另外，有研究发现，失血性休克猪模型心音S1与S2波的幅值及能量下降与动脉血压下降一致，特别是S2波幅值与能量的下降与血压降低之间存在显著的正相关关系，而且这种变化早于心率等传统指标。这一发现预示着心音信号可能成为失血性休克早期诊断的敏感指标，为该类患者的急救提供了新的可能性。 在临床研究方面，FINNEGAN等指出，基于脉搏传导时间（pulse transit time,PTT）的无创血压测量方法存在混淆脉搏到达时间与PTT的问题，这会导致心电图与脉搏波估算血压值的偏差。而心音信号能够更准确地测量PTT，从而提高估算的准确性，为临床血压监测提供了新的视角。CHENG等通过采集并分析健康志愿者主动脉瓣的心音信号，创新性地以S1与S2的峰值时间间隔及S2波的峭度为关键参数，推导出新的血压计算公式。该研究的估算结果与实际测量值高度一致，且误差极小，充分满足了血压检测的精度评估标准，进一步验证了心音信号在血压估算中的可靠性与准确性。MOON等的研究进一步强化了这一观点，他们通过经食管听诊器记录手术患者的心音变化，发现麻黄碱与艾司洛尔主要影响S1，而去氧肾上腺素与尼卡地平则会导致S2的显著变化。由于S2的变化与外周血管阻力密切相关，这提示血管活性药物引起的心血管功能变化可通过心音特征差异加以区分，为个体化血压管理策略提供了宝贵的依据。 4 小结与展望 人工智能心音分析系统是结合临床实际需求开发的高准确性、易操作的实时听诊装置。随着人工智能心音分析技术的发展，心血管疾病的早期识别和精准治疗已成为可能。这不仅为提升老年心血管疾病的临床管理水平提供了新的思路，也为改善患者的生活质量和长期预后带来了希望。 尽管人工智能心音分析技术在心血管疾病诊断中取得了显著进展，但仍面临一些挑战与限制，如心音数据的质量控制、数据隐私问题、算法模型的普适性等。未来研究可重点关注以下几个方向：1） 提高多模态融合与个性化诊断的能力，综合考虑心音、心电图、影像学等数据，提高诊断的准确性与可靠性。2） 进一步完善心音数据库建设，明确不同个体年龄、性别、种族及疾病背景下的心音数据差异，促进算法的普适性。3） 提升临床医师应用人工智能心音分析系统辅助临床诊疗的能力，推动人工智能技术从实验室到临床的转化应用。 （参考文献略） 排版：李政萍 统筹：顾 艳 审核：徐云峰 |
|
|
