Analys av andningsljud i en kaninmodell för trakeomalaci

Varför det spelar roll att lyssna på andning

Läkare diagnostiserar vanligtvis allvarliga andningsproblem som en slapp luftstrupe med hjälp av röntgenbilder och små kameror som förs in i luftvägarna. Dessa undersökningar kan vara stressande, särskilt för spädbarn och småbarn, och de är inte alltid lätta att upprepa. Denna studie undersöker om noggrant lyssnande på andningsljud, kombinerat med modern datoranalys, kan erbjuda ett skonsamt, icke-invasivt sätt att upptäcka när luftstrupen är för mjuk och riskerar att kollapsa.

När luftstrupen blir mjuk

Trakeomalaci är ett tillstånd där luftstrupen (trakea) förlorar sin styvhet och tenderar att smalna av eller kollapsa under andning. Personer med detta problem kan ha bullrig andning, andfåddhet och, i svåra fall, korta episoder där andningen helt upphör. I dag förlitar sig läkare på röntgen, datortomografi och bronkoskopi—att föra in ett instrument i luftvägarna—för att bekräfta diagnosen. Dessa metoder utsätter patienterna för strålning, kräver sedering och innebär vissa risker, vilket är en särskild oro hos sköra nyfödda och spädbarn.

Att bygga en säker ersättning för sjuka barn

Eftersom det vore oetiskt att experimentera direkt på spädbarn skapade forskarna en kontrollerad djurmodell som efterliknar en småbarns luftväg. De opererade på fem kaniner och tog varsamt bort delar av de broskringar som normalt håller luftstrupen öppen. Detta gav en försvagad luftväg som vid inhalation vidgades och vid exhalation smalnade, vilket liknar en huvudform av trakeomalaci. Med ett kliniskt stetoskophuvud och en standardiserad inspelningsenhet placerade på hals och bröst fångade de andningsljud samtidigt som de mätte trycket inne i luftvägen, vilket säkerställde att förändringar i ljud verkligen speglade förändringar i luftflöde och luftvägssform.

Att omvandla andetag till siffror

Teamet koncentrerade sig på utandningsfasen, där ljuden var starkast och mest konsekventa. De använde ett allmänt använt verktyg för ljudanalys för att dela upp varje utandning i mycket korta snuttar och beskriva varje snutt med tusentals enkla mått, såsom hur högt det var, hur dess tonhöjd och klang fördelades över frekvenser och hur dessa egenskaper förändrades över tid. Från varje andetag extraherade de 6 373 sådana egenskaper och begränsade dem sedan till 51 som pålitligt skilde mellan friska och slappa luftstrupar i minst fyra av de fem kaninerna. Dessa egenskaper tjänade som råmaterial för datorprogram utformade för att skilja de två tillstånden åt.

Att träna datorer att höra problem

Trei typer av maskininlärningsmodeller testades: logistisk regression, supportvektormaskiner och en modern träd-baserad metod kallad LightGBM. För att undvika "fusk" grupperade forskarna data efter varje kanin och luftvägstillstånd och såg till att andetag från samma situation inte hamnade både i tränings- och testuppsättningarna. Alla modeller presterade rimligt bra, men LightGBM utmärkte sig. Dess förmåga att skilja normala från försvagade luftvägar nådde en noggrannhetsnivå som inom medicinsk statistik anses stark: arean under kurvan var över 0,78 för enskilda andetag och över 0,80 när beslut medelvärdesbildades per kanin. De egenskaper som betydde mest var lågfrekventa komponenter av så kallade Mel-frekvens cepstrala koefficienter, verktyg lånade från taligenkänning som är särskilt bra på att fånga ett ljuds övergripande "form" och subtila variationer.

Vad ljuden avslöjar

Betydelsen av dessa lågfrekventa mönster tyder på att en kollapsande luftstrupe förändrar hur luft flödar genom halsen på sätt som är för subtila för människans öra men tydliga för algoritmer. Även när andningsljuden inte innehöll uppenbara pip eller väsningar kunde modellerna ändå plocka upp små förvrängningar i ton och rytm som signalerade luftvägssnävning. Anmärkningsvärt nog uppnåddes detta med standardmedicinsk utrustning liknande den som läkare redan använder för vardagligt lyssnande, kombinerat med relativt enkel datorbearbetning.

Från laboratoriekaniner till barnavdelningar

Eftersom kaninernas luftstrupar är liknande i storlek de hos nyfödda erbjuder denna modell en realistisk testbädd för verktyg riktade mot pediatrisk vård. Även om studien endast använde fem djur och en specifik typ av luftvägsförsvagning lägger den viktig grund. Resultaten visar att icke-invasiva ljudinspelningar, i kombination med maskininlärning, kan pålitligt indikera en slapp luftstrupe utan behov av strålning eller endoskopi. Med större studier och tester på mänskliga patienter skulle denna metod kunna utvecklas till ett sängnära screeningsverktyg som hjälper läkare avgöra vilka barn som verkligen behöver invasiva undersökningar—och vilka som tryggt kan övervakas med inget annat än ett känsligt "smart stetoskop."

Citering: 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

Nyckelord: trakeomalaci, andningsljud, maskininlärning, icke-invasiv diagnos, pediatrisk luftväg