文/ 張乾教授
研究チームが開発した最新の「イヤホン」を使えば、自宅で肺を「聞く」ことができる。
慢性肺疾患 (慢性閉塞性肺疾患、一般的に COPD として知られる) は、人間の生活の質に影響を与える大きなグループの疾患です。世界保健機関によると、COPDは人間の死因の第3位です。米国だけでも、毎年 150,000 人以上が COPD で死亡しています。したがって、慢性肺疾患をできるだけ早期に検出する方法と、日々の慢性疾患管理をどのように実行するかは、患者にとって、さらには医療システム全体にとっても重要です。
01
スパイロメトリー（肺活量測定）は肺機能検査のゴールドスタンダードであり、一般的な慢性肺疾患はこの検査によって評価できます。
02
この検査を行う際、患者は肺機能検査装置を通して勢いよく吐き、吸い込む動作を完了する必要があります。
03
患者が検査動作を完了した後、肺機能検査装置は、患者の肺内のガス交換の量と流量、たとえば努力肺活量 (FVC) やピーク流量 (PEF) を測定することにより、肺機能を測定するための一連の指標を計算します。 ）、1秒以内の呼吸数、ガス量（FEV1）など
しかし、従来のスパイロメーターは非常に高価で、家庭用のポータブルスパイロメーターでも数万元の費用がかかります。これは一般家庭にとっては決して小さな負担ではありません。この問題に対応して、チームは、患者がほぼゼロコストで自分の肺機能を評価できるようにする、ヘッドセットベースのプロトタイプとソフトウェア システム EarSpiro[1] を提案しました。
EarSpiroの動作模式図
研究チームは、ガス流量が特定の状況下で気流音と正の相関があることを研究が示していることを発見しました[2]。つまり、気流速度が大きくなるほど気流音も大きくなります。例を下図に示します。
市販のヘッドフォン (Apple AirPods など) には、通話中の集音とアクティブ ノイズ低減のためのマイクが内蔵されていることが知られています。
したがって、外耳道内の骨伝導を通過する気流の音をイヤホンの内蔵マイクを通じて取得し、適切にモデル化することができればよい。
スパイロメーターなしでも肺内のガス交換の流量と量を計算でき、検査者の肺機能を評価できます。
費用は市販のヘッドフォンとプラスチックのマウスピースのセットだけです。
しかし、個人の生理的構造は異なり、性別や年齢などの要因によって発生できる気流音は変化するため、気流音から気流速度への変換モデルを確立することは非常に困難です。この目的を達成するために、研究チームはディープラーニングを使用してこの問題を解決しようとしました。
EarSpiro システムのプロトタイプ
年齢も身体状態も異なる 60 人の被験者が実験に参加し、データを提供するよう招待されました。
被験者は、医療用肺機能検査器による一連の標準的な肺機能呼吸検査を完了しました。
同時に、被験者は気流音響信号を同時に取得するために、一対の EarSpiro システム プロトタイプを装着しました。
その後、研究チームは肺活量計によって測定された流速と流量データを使用して、深層学習モデルをトレーニングするための気流音響信号を校正しました。
EarSpiro システムのアルゴリズム構造
データ形式は高サンプリングレート（48kHz）の音声信号であるため、データ規模が非常に大きくなります。通常の肺機能測定では 48 万点のデータを生成するのに約 10 秒かかりますが、ダウンサンプリング操作を行った後でもデータ量は依然として多く、一般的なデスクトップ コンピューターやコンピューティング リソースを提供する一般的なサーバーでは困難です。
そこで研究チームは、広州スーパーコンピューティング南沙分センターが提供するスーパーコンピューティングサービスを利用し、「天河2号」の強力なコンピューティング能力を活用してデータ分析を実施し、モデル構造の反復設計にかかる時間とコストを大幅に短縮した。研究チームは 1 か月以内にデータ分析を行うことができ、予備的なモデル設計は短期間で完了し、アイデアの実現可能性も検証されました。
スーパーコンピューター「天河2号」
専門的な医療機器との比較
速度-流量曲線の予測における EarSpiro の平均絶対誤差は 0.7L/s です。
主要な肺機能パラメータの予測において
EarSpiro は、FVC、FEV1、FEV1/FVC、PEF の 4 つの最も一般的なパラメータで 7.3% のパーセンテージエラーを達成しました。
言及する価値があるのは、
プロの肺機能検査者であっても測定誤差は 5% [3] であり、研究チームの設計が非常に意味のあるものであることが証明されています。
想定される利用シーンとしては、患者が自宅でEarSpiroを使用して自分の肺機能の状態をモニタリングし、異常が見つかった場合には病院や診療所で精密検査を受けることができ、患者の費用と時間のコストを節約することができる。
EarSpiro を使用して実行された肺機能検査の結果の 2 つの例。黒い線は専門的な肺機能検査装置で得られた結果を表し、青い線はEarSpiroで測定された結果を表します。
肺機能パラメータの予測結果用。このうち、PEFは最大送気流量、FVCは努力肺活量、FEV1は1秒間の送気量、FEFx%は肺容積がx%のときの送気流量、PIFは最大吸気流量を表す。 、FIVC は努力吸気肺活量を表し、FIFx% は肺容積が x% のときの吸気流量を示します。
研究チームは今後、肺機能の検出だけでなく、腹式呼吸訓練などのリハビリテーション訓練を支援するなど、肺機能不全患者を支援する方向で研究を進めていくとしている。研究チームは「天河2号」スーパーコンピューターをベースに、深層学習モデルを利用して人間の呼吸パターンをモデル化し、深層学習モデルの反復設計を実現する。
参考文献
[1] W. Xie、Q. Hu、J. Zhang、および Q. Zhang、「EarSpiro: 肺機能評価のためのイヤホンベースの肺活量測定」、Proc. ACM インタラクト。モブ。ウェアラブルユビキタス技術 vol.1 6、いいえ。4、p. 188:1-188:27、2023 年 1 月、土井: 10.1145/3569480。
[2] AI Dyachenko、GA Lyubimov、IM Skobeleva、および MM Strongin、「強制呼気中の気管音の強度を説明するための肺の数学的モデルの一般化」、Fluid Dyn、vol. 46、いいえ。1、16–23 ページ、2011 年 2 月、土井: 10.1134/S0015462811010029。
[3] マヤンク・ゴエル、エリオット・サバ、マイア・スティバー、エリック・ホイットマイヤー、ジョシュ・フロム、エリック・C・ラーソン、ガエターノ・ボリエッロ、シュエタク・N・パテル。2016. スピロコール:
電話で肺機能を測定します。コンピューティング システムにおけるヒューマン ファクターに関する 2016 年の CHI カンファレンスの議事録。5675～5685。
※広州香港科技大学福英東研究所公式アカウントより転載
張乾教授の紹介
Zhang Qian 教授、香港科技大学コンピューター理工学部主任教授、テンセント工学教授、ファーウェイ・香港科学技術大学共同研究所の共同所長兼創設者、コンピューター科学学士号取得科学、武漢大学で科学および哲学の修士号 Ph.D. 香港科技大学ジョッキークラブ高等研究院上級研究員、デジタルライフ研究センター所長。
香港工程科学アカデミーの会員、IEEE フェロー。1999 年から 2005 年まで、Microsoft Research Asia のワイヤレス ネットワーク グループの主任研究員を務めました。2004 年には、MIT TR100 Young Innovators の 1 人に選ばれました。
香港科技大学が制作する「教授コラム」は、各分野の教授の学術成果、最先端の理論、知識の普及を結集し、社会動態を新鮮な視点で読み解き、科学と技術の謎を解説します。最先端の視点。香港科技大学のプラットフォームを通じて、より最先端の視点を集め、鮮やかで奥深い【教授コラム】を次々と生み出していきますので、ご期待ください！
-終わり-