兔气管软化模型的呼吸音分析

为什么听诊呼吸很重要

医生通常通过影像检查和将小型内窥镜置入气道来诊断诸如气管松软等严重呼吸问题。这些检查可能令患者紧张，尤其是婴幼儿，而且不一定容易重复进行。本研究探讨了是否通过仔细聆听呼吸声音并结合现代计算机分析，能提供一种温和、无创的方式来检测气管过于柔软并易于塌陷的情况。

当气管变软时

气管软化是一种气管失去刚性、在呼吸过程中易于变窄或塌陷的疾病。患有此问题的人可能出现呼吸杂音、气短，在严重情况下会出现短暂的呼吸停止。目前，医生依赖X光、CT扫描和支气管镜——将内窥镜送入气道——来确诊。这些方法会让患者接触到辐射，需要镇静，并伴有一定风险，这在体弱的新生儿和婴儿中尤其令人担忧。

为病弱婴儿构建一个安全的替代模型

由于在婴儿身上直接做实验在伦理上不可接受，研究人员建立了一个受控的动物模型来模拟小儿的气道。他们在五只兔子身上做了手术，小心切除部分支撑气管的软骨环，产生了在吸气时扩张、呼气时变窄的弱化气道，这与气管软化的一种主要形式非常相似。研究人员使用临床听诊器头和标准化录音设备放置在颈部和胸部，采集呼吸声音的同时测量气道内压力，以确保声音变化确实反映气流和气道形状的改变。

将呼吸声转化为数据

团队把注意力集中在呼气阶段，那时声音最强且最稳定。他们使用广泛采用的音频分析工具包将每次呼气分解为极短的片段，并用数千个简单的度量来描述每一片段，例如音量、音高和音色在频率上的分布，以及这些特性随时间的变化。从每次呼吸中提取了6,373个此类特征，然后筛选出在至少四只兔子的健康与松弛气管之间稳定不同的51个特征。这些特征成为计算机程序用于区分两种状态的原始材料。

训练计算机识别问题

研究测试了三类机器学习模型：逻辑回归、支持向量机以及一种现代的基于树的方法LightGBM。为避免“作弊”，研究人员按每只兔子与气道状况对数据进行分组，确保同一情况的呼吸样本不会同时出现在训练集和测试集中。所有模型表现尚可，但LightGBM尤其突出。它区分正常与弱化气道的能力达到了医学统计学上被视为强的水平：单次呼吸的受试者工作特征曲线下面积（AUC）超过0.78，当按每只兔子平均决策时超过0.80。最重要的特征是所谓梅尔频率倒谱系数（MFCC）的低频成分——这些来自语音识别的工具特别善于捕捉声音的整体“形态”和细微波动。

声音揭示了什么

这些低频模式的重要性表明，气管塌陷会以人耳难以察觉但算法能够识别的方式改变喉部气流。即便呼吸声中没有明显的喘鸣，模型仍能捕捉到表明气道狭窄的细微音色和节律扭曲。值得注意的是，这些结果是使用与临床常用听诊类似的标准医疗设备，并配合相对直接的计算处理得出的。

从实验室兔子到儿童病房

由于兔子的气管尺寸与新生儿相近，该模型为面向儿科的工具提供了一个现实的测试平台。尽管这项研究仅使用了五只动物和一种特定类型的气道弱化，但它奠定了关键基础。结果表明，无创的声音记录结合机器学习能够可靠地提示气管松软，而无需辐射或内窥镜。通过更大规模的研究和在人体患者中的验证，这种方法有望发展成床旁筛查工具，帮助医生决定哪些儿童确实需要侵入性检查，哪些可以仅靠灵敏的“智能听诊器”安全随访。

引用: 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

关键词: 气管软化, 呼吸音, 机器学习, 无创诊断, 儿科气道