求助的哭声：新生儿脑损伤的早起检测

自20世纪60年代以来，新生儿临床医生已认识到，患有某些神经系统疾病的新生儿会表现出哭声模式的改变，例如出生窒息时的高音调哭声。尽管每年有超过150万婴儿死亡和致残的负担，但由于窒息导致的新生儿脑损伤的早期检测仍然是一项挑战，特别是在大多数分娩没有受过训练的医生在场的发展中国家。在此，我们报告了第一项跨洲临床研究，证明可以使用我们称之为Roseline的AI算法从记录的新生儿哭声中可靠地判定新生儿脑损伤。以往和近期的工作受限于缺乏大规模、高质量的哭声记录临床数据库，制约了最先进机器学习技术的应用。我们开发了一种基于音频的病理检测模型的新训练方法，并在来自地理分布广泛环境——三大洲5家医院——获取的大规模新生儿哭声数据库上评估了该系统。我们的系统提取可解释的声学生物标志物以支持临床决策，并能够以92.5%的AUC（在80%特异度下88.7%敏感度）从新生儿哭声中准确检测神经损伤。基于哭声的神经系统监测为低风险婴儿的低成本、易用、非侵入且非接触式筛查打开了大门，特别是在集成到智能手机或新生儿ICU监护仪等简单设备中时。这将在没有替代方案的地方提供可靠工具，同时也减少了对新生儿定期进行体力消耗或辐射暴露评估（如脑部CT扫描）的需求。这项工作为将婴儿哭声作为生命体征奠定了基础，并指明了AI驱动声音监测在可负担医疗未来中的潜力。