Atemgeräuschanalyse in einem Kaninchenmodell der Tracheomalazie

Warum das Zuhören beim Atmen wichtig ist

Ärzte stellen ernste Atemwegsprobleme wie eine schlaffe Luftröhre meist mit Hilfe von Bildgebung und kleinen Kameras, die in die Atemwege eingeführt werden, fest. Diese Untersuchungen können belastend sein, besonders für Säuglinge und Kleinkinder, und sind nicht immer einfach zu wiederholen. Diese Studie untersucht, ob sorgfältiges Zuhören bei Atemgeräuschen in Kombination mit moderner Computeranalyse eine schonende, nichtinvasive Methode bieten könnte, um zu erkennen, wann die Luftröhre zu weich und kollabieranfällig ist.

Wenn die Luftröhre schlaff wird

Tracheomalazie ist ein Zustand, bei dem die Luftröhre (Trachea) ihre Steifigkeit verliert und sich beim Atmen verengt oder zusammenfällt. Betroffene können laute Atemgeräusche, Atemnot und in schweren Fällen kurzzeitige Atemstillstände haben. Heute stützen sich Ärzte zur Bestätigung der Diagnose auf Röntgenaufnahmen, CT-Scans und Bronchoskopie—das Einführen eines Endoskops in die Atemwege. Diese Verfahren setzen Patienten Strahlung aus, erfordern Sedierung und bergen Risiken, was insbesondere bei empfindlichen Neugeborenen und Säuglingen besorgniserregend ist.

Ein sicheres Modell als Ersatz für kranke Babys

Da Experimente an Säuglingen unethisch wären, entwickelten die Forschenden ein kontrolliertes Tiermodell, das die Atemwege eines Kleinkinds nachbildet. Sie operierten an fünf Kaninchen und entfernten gezielt Teile der Knorpelringe, die die Luftröhre normalerweise offenhalten. Dadurch entstand ein geschwächter Atemweg, der sich beim Einatmen weitet und beim Ausatmen verengt—eine Darstellung einer Hauptform der Tracheomalazie. Mit einem klinischen Stethoskopkopf und einem standardisierten Aufzeichnungsgerät, das am Hals und an der Brust platziert wurde, zeichneten sie Atemgeräusche auf und maßen gleichzeitig den Druck innerhalb der Atemwege, sodass Änderungen im Tonfall tatsächlich auf Veränderungen von Luftstrom und Atemwegsform zurückgeführt werden konnten.

Atemzüge in Zahlen verwandeln

Das Team konzentrierte sich auf die Ausatmungsphase, in der die Geräusche am stärksten und konsistentesten waren. Sie nutzten ein weit verbreitetes Audioanalyse-Toolkit, um jede Ausatmung in sehr kurze Abschnitte zu zerlegen und jeden Abschnitt mit Tausenden einfacher Messgrößen zu beschreiben, etwa Lautstärke, die Verteilung von Tonhöhe und Timbre über Frequenzen und wie sich diese Eigenschaften über die Zeit änderten. Aus jedem Atemzug extrahierten sie 6.373 solcher Merkmale und reduzierten diese dann auf 51, die in mindestens vier der fünf Kaninchen zuverlässig zwischen gesunden und schlaffen Luftröhren unterschieden. Diese Merkmale dienten als Rohmaterial für Computerprogramme, die die beiden Zustände auseinanderhalten sollten.

Computer darauf trainieren, Probleme zu hören

Es wurden drei Typen von Modellen des maschinellen Lernens getestet: logistische Regression, Support-Vektor-Maschinen und ein modernes baumbasiertes Verfahren namens LightGBM. Um „Schummeln" zu vermeiden, gruppierten die Forschenden die Daten nach Kaninchen und Atemwegszustand, sodass Atemzüge aus derselben Situation nicht sowohl in Trainings- als auch in Testdatensätzen landeten. Alle Modelle schnitten angemessen gut ab, doch LightGBM hob sich hervor. Seine Fähigkeit, normale von geschwächten Atemwegen zu unterscheiden, erreichte ein Leistungsniveau, das in der medizinischen Statistik als stark gilt: die Fläche unter der Kurve (AUC) lag über 0,78 für einzelne Atemzüge und über 0,80, wenn Entscheidungen pro Kaninchen gemittelt wurden. Besonders wichtig waren niederfrequente Komponenten sogenannter Mel-Frequency-Cepstral-Koeffizienten, Werkzeuge aus der Spracherkennung, die besonders gut die allgemeine „Form" und feine Schwankungen eines Sounds erfassen.

Was die Geräusche verraten

Die Bedeutung dieser niederfrequenten Muster legt nahe, dass eine kollabierende Luftröhre den Luftstrom durch den Hals auf eine Weise verändert, die für menschliche Ohren zu subtil, für Algorithmen aber deutlich erkennbar ist. Selbst wenn die Atemgeräusche kein offensichtliches Giemen enthielten, konnten die Modelle leichte Verformungen in Ton und Rhythmus erfassen, die auf eine Verengung der Atemwege hinwiesen. Bemerkenswerterweise gelang dies mit Standardmedizinprodukten, die Ärzten bereits fürs alltägliche Abhören vertraut sind, kombiniert mit vergleichsweise einfacher Computerverarbeitung.

Vom Laborkaninchen zur Kinderstation

Da Kaninchenluftröhren in der Größe Neugeborenen ähneln, bietet dieses Modell ein realistisches Testfeld für Instrumente, die in der Pädiatrie eingesetzt werden sollen. Obwohl die Studie nur fünf Tiere und einen spezifischen Typ der Atemwegsschwächung verwendete, legt sie wichtige Grundlagen. Die Ergebnisse zeigen, dass nichtinvasive Tonaufnahmen gepaart mit maschinellem Lernen zuverlässig eine schlaffe Luftröhre erkennen können, ohne Strahlung oder Endoskope zu benötigen. Mit größeren Studien und Tests an menschlichen Patienten könnte dieses Verfahren zu einem Screening-Werkzeug am Krankenbett werden, das Ärzten hilft zu entscheiden, welche Kinder wirklich invasive Untersuchungen benötigen und welche mit nichts weiter als einem empfindlichen „intelligenten Stethoskop" sicher beobachtet werden können.

Zitation: Ismael, A.C., Omiya, Y., Higuchi, M. et al. Respiratory sound analysis in a rabbit tracheomalacia model. Sci Rep 16, 12249 (2026). https://doi.org/10.1038/s41598-026-42275-8

Schlüsselwörter: Tracheomalazie, Atemgeräusche, maschinelles Lernen, nichtinvasive Diagnose, pädiatrische Atemwege