Алгоритм на основе звука кашля и глубокого обучения для доступного и быстрого выявления хронической обструктивной болезни легких со смартфонов

Превращая простой кашель в подсказку о здоровье

Хронические заболевания легких распространены, но инструменты для их диагностики часто требуют визита в больницу, громоздкого оборудования и обученного персонала. В этом исследовании проверяется более простая идея: может ли короткий добровольный кашель, записанный на обычный смартфон, помочь отобрать людей, у которых может быть хроническая обструктивная болезнь легких (ХОБЛ)? Если да, миллионы людей можно быстро и недорого пройти скрининг, особенно в регионах с ограниченным доступом к специализированной помощи.

Почему ХОБЛ трудно поймать на ранней стадии

ХОБЛ — это длительное заболевание легких, которое затрудняет дыхание и является одной из ведущих причин заболеваемости и смертности во всем мире. Многие люди с ХОБЛ не знают о своем состоянии, отчасти потому, что ранние симптомы могут быть размытыми и легко игнорироваться. Стандартный тест — спирометрия — измеряет, сколько воздуха человек может выдохнуть, но он требует специального оборудования, обученного персонала и сотрудничества пациента. Эти требования затрудняют его широкое использование, особенно у пожилых людей и в клиниках с ограниченными ресурсами.

Внимательное прослушивание звука кашля

Ученые обнаружили, что проблемы с легкими могут тонко изменять и голос, и звук кашля. Сужение дыхательных путей, воспаление и избыток слизи влияют на движение воздуха в грудной клетке и горле. Ранние исследования показали, что простые компьютерные программы могут выявлять шаблоны, связанные с заболеваниями, такими как ХОБЛ, пневмония и туберкулез. Однако эти старые методы опирались на вручную выбранные звуковые признаки и небольшие наборы данных, что ограничивало их работоспособность в реальных условиях.

Создание инструмента Cough Search для смартфона

Авторы разработали систему на базе смартфона под названием Cough Search, которая прослушивает добровольные кашли и решает, скорее всего ли они принадлежат человеку с ХОБЛ или без него. Сначала модуль контроля качества отфильтровывает непригодные звуки, такие как откашливание, фоновые шумы или неполные выдохи. Оставшиеся вспышки кашля преобразуются в цветные звуковые карты — спектрограммы, показывающие, как энергия звука распределена во времени и по частотам. Эти спектрограммы затем поступают в мощную модель глубокого обучения на основе трансформеров, обученную обнаруживать отличающиеся шаблоны между кашлями при ХОБЛ и без него.

Тестирование инструмента в больницах и клиниках

Команда обучила и настроила систему на записях кашля более чем 2800 взрослых в крупной больнице Шанхая, затем проверила ее в перспективе в четырех больницах, включая окружные центры. Всего во внешней тестовой группе участвовали 722 человека, из них 105 с подтвержденной ХОБЛ и 617 без нее. По сравнению со стандартными клиническими диагнозами, основанными на экспертном обзоре и тестах дыхания, Cough Search чаще всего правильно разделял ХОБЛ и отсутствие ХОБЛ. В внешней группе он достиг площади под кривой 0,94, примерно 92% чувствительности (выявление людей с истинной ХОБЛ) и 86% специфичности (избежание ложных тревог), а в внутренних тестах показал схожие результаты.

Как система работает в разных группах людей и на разных устройствах

Исследователи проверили, проявляет ли инструмент справедливость по возрасту, полу, истории курения и стадии заболевания. Наилучшие показатели наблюдались у людей с более тяжелой ХОБЛ — чувствительность превышала 91% для продвинутых стадий и оставалась высокой при умеренном заболевании. Модель работала на разных брендах смартфонов и как в высших профильных, так и в окружных больницах. Оставалась некоторая неоднородность: точность была чуть ниже у пожилых людей, женщин и при крайне ранних стадиях заболевания, а некоторые другие поражения легких, такие как бронхоэктатическая болезнь, могли сбивать систему с толку. Анализы внутренних признаков модели показали, что она в основном опирается на определенные временные окна и низкочастотные части кашля, что соответствует клиническим представлениям о том, как ХОБЛ меняет поток воздуха.

Что это может значить для повседневной помощи

Проще говоря, исследование показывает, что быстрый кашель в смартфон может дать удивительно надежный сигнал о том, есть ли у человека вероятность ХОБЛ, особенно когда заболевание умеренное или тяжелое. Хотя этот инструмент не может заменить полноценную медицинскую оценку или подробные дыхательные тесты, он может служить простым первичным скринингом в общинных клиниках, аптеках или даже дома. При таком использовании Cough Search может помочь сократить длительную задержку между первыми симптомами и окончательным диагнозом, давая людям больше шансов раньше начать контролировать здоровье легких.

Цитирование: Zhou, J., Huang, J., Wang, Q. et al. A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones. npj Prim. Care Respir. Med. 36, 32 (2026). https://doi.org/10.1038/s41533-026-00486-6

Ключевые слова: ХОБЛ, анализ кашля, скрининг со смартфона, глубокое обучение, респираторное здоровье