现代仪器与医疗

探究COPD患者数字化听诊与人工听诊的一致性

PDF下载

赵若倩 ¹^,² , 黄玉蓉 ²^,^* , 罗倩 ² , 刘小丽 ²

现代仪器与医疗 | 临床研究 2025,31(5): 70-74

收起

现代仪器与医疗 |临床研究 2025 , 31 (5) : 70 -74

探究COPD患者数字化听诊与人工听诊的一致性

全屏

赵若倩¹^,², 黄玉蓉²^,^*, 罗倩², 刘小丽²

作者信息

^1.新疆医科大学研究生学院，乌鲁木齐　830000

^2.新疆生产建设兵团医院呼吸与危重症医学科，乌鲁木齐　830002

通讯作者:

黄玉蓉，女，硕士研究生，主任医师，研究方向：呼吸系统常见病及危重症诊治

作者简介:

赵若倩，女，在读硕士研究生，研究方向：呼吸系统常见病及危重症诊治

To explore the consistency between digital stethoscope and manual stethoscope in COPD patients

Ruoqian Zhao¹^,², Yurong Huang²^,^*, Qian Luo², Xiaoli Liu²

Affiliations

^1.Graduate School of Xinjiang Medical University, Urumqi 830000, China

^2.Department of Respiratory and Critical Care Medicine, Xinjiang Production and Construction Corps Hospital, Urumqi 830002, China

出版时间: 2025-10-10 doi: 10.11876/mimt202505011

文章导航

摘要

收起

目的

探究数字化听诊技术在慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）患者监测场景下与人工听诊的一致性。

方法

采用非随机连续抽样法，选取2024年11月至2025年5月期间在新疆生产建设兵团医院呼吸与危重症医学科就诊的COPD患者，借助“国家远程医疗与互联网医学中心数字听诊平台”采集真实临床数字肺音数据1 953条。构建多维度肺音严重程度评估体系，制定统一判读标准后，临床医师对数字肺音特征进行判定，对比分析人工智能分析结果与临床医师听诊分析结果的一致性。以临床医师听诊结果为金标准，借助混淆矩阵计算准确度、召回率、虚警率、精确度，据此评价数字化听诊与人工听诊的诊断一致性。

结果

数字化听诊及人工智能分析在正常肺音、呼吸音粗糙、啰音、干啰音及湿啰音识别中的准确度分别为99.39%、99.59%、99.18%、99.00%和99.59%，召回率分别为99.44%、98.31%、99.49%、99.10%和98.71%，虚警率分别为0.760%、0.125%、1.025%、1.059%和0.000%，精确度分别为99.11%、99.43%、98.48%、96.49%和100.00%。一致性检验显示，数字化听诊及人工智能分析与临床医师听诊分析在正常肺音、呼吸音粗糙、啰音、干啰音及湿啰音评估中的Kappa值分别为0.988、0.984、0.983、0.972和0.992。

结论

数字化听诊结果与人工听诊结果呈现出较高的一致性，数字化听诊技术可以缓解医疗资源压力，亦能通过标准化分析降低人为误差，是智慧医疗发展的关键方向。

关键词

慢性阻塞性肺疾病 / 数字化听诊 / 人工听诊

Abstract

收起

Objective

To investigate the consistency between digital stethoscope technology and manual stethoscope in chronic obstructive pulmonary disease (COPD) patient monitoring scenarios.

Methods

This prospective diagnostic accuracy study employed non-random continuous sampling, collecting 1,953 valid lung sound recordings from COPD patients at the Department of Respiratory and Critical Care Medicine, Xinjiang Production and Construction Corps Hospital between November 2024 and May 2025. A multidimensional respiratory sound assessment scale was developed with standardized interpretation criteria. Clinical physicians evaluated digital lung sound characteristics while comparing artificial intelligence-powered digital auscultation results with physician assessments for consistency. Taking the clinical physician's listening results as the gold standard, the following indexes were calculated through the confusion matrix: accuracy, recall rate, false positive rate and precision, so as to evaluate the diagnostic consistency between digital stethoscope and manual stethoscope. This evaluation system assessed diagnostic consistency between digital stethoscope and manual stethoscope.

Results

The accuracies of digital stethoscope and AI analysis in identifying normal lung sounds, coarse breath sounds, rales, dry rales, and wet rales were 99.39%, 99.59%, 99.18%, 99.00%, and 99.59% respectively; recall rates were 99.44%, 98.31%, 99.49%, 99.10%, and 98.71%; false positive rates were 0.760%, 0.125%, 1.025%, 1.059%, and 0.000%; precision rates were 99.11%, 99.43%, 98.48%, 96.49%, and 100.00%. Consistency tests showed that the Kappa values of digital stethoscope and AI analysis and clinicians' stethoscope judgment of normal lung sounds, coarse breath sounds, rales, dry rales and wet rales were 0.988, 0.984, 0.983, 0.972 and 0.992, respectively.

Conclusion

The digital stethoscope results showed a high degree of consistency with the manual stethoscope results in patients with COPD. Digital auscultation technology can alleviate the pressure on medical resources and reduce human errors through standardized analysis, and it is a key direction for the development of smart healthcare.

Key words

Chronic obstructive pulmonary disease / Digital stethoscope / Manual stethoscope

引用本文

赵若倩, 黄玉蓉, 罗倩, 刘小丽. 探究COPD患者数字化听诊与人工听诊的一致性. 现代仪器与医疗, 2025 , 31 (5) : 70 -74 . DOI: 10.11876/mimt202505011

Ruoqian Zhao, Yurong Huang, Qian Luo, Xiaoli Liu. To explore the consistency between digital stethoscope and manual stethoscope in COPD patients[J]. Modern Instruments & Medical Treatment, 2025 , 31 (5) : 70 -74 . DOI: 10.11876/mimt202505011

基金

收起

新疆生产建设兵团重点领域科技攻关计划项目(2023AB018-06)
新疆生产建设兵团医院创新团队项目(2022003)
新疆生产建设兵团医院青年基金项目(2023013)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

刘国梁, 张玲, 卢清君, 等. 数字肺音人工智能分析与临床医师判断的一致性研究[J]. 国际呼吸杂志, 2022, 42(3): 180-186.

[2]

庄伟兰, 刘晓亮, 聂抒, 等. 数字听诊在临床肺部听诊教学中的应用[J]. 吉林医学, 2025, 46(4): 1009-1012.

[3]

叶培韬, 张冬莹, 陈文雅, 等. 人工智能在呼吸音方面的研究进展[J]. 国际呼吸杂志, 2022, 42(13): 961-966.

[4]

Acharya J, Basu A. Deep neural network for respiratory sound classjficatjon in wearable devices enabled by patient specific model tuning[J]. IEEE Transactions on Biomedical Circuits and Systems, 2020, 14(3): 535-544.

[5]

Demir F, Sengur A, Bajaj V. Convolutional neural networks based efficient approach for classification of lung diseases[J]. Health Information Science and Systems, 2020, 8: 4.

[6]

Fraiwan M, Fraiwan L, Alkhodari M, et al. Recognition of pulmonary diseases from lung sounds using convolutional neural networks and long short-term memory[J]. J Ambient Intell Humaniz Comput, 2022, 13(10): 4759-4771.

[7]

Shi L, Zhang Y, Zhang J. Lung sound recognition method based on wavelet feature enhancement and time-frequency synchronous modeling[J]. IEEE Journal of Biomedical and Health Informatics, 2023, 27(1): 308-318.

[8]

赵峰, 胡南, 陈燕, 等. 基于心肺音智能听诊的呼吸音量化分析与应用评价[J]. 中国数字医学, 2024, 19(8): 74-78.

[9]

上海市医学会儿科分会呼吸学组, 福建省医学会儿科分会呼吸学组, 江苏省医学会儿科分会呼吸学组, 等. 高质量呼吸音数据库建设及管理规范专家共识[J]. 中华实用儿科临床杂志, 2023, 38(7): 481-485.

[10]

王德华, 郜书辉. 呼吸音数字听诊在呼吸系统疾病远程医疗中应用[J]. 中国医疗器械信息, 2024, 30(7): 91-94.

[11]

Christenson S A, Smith B M, Bafadhel M, et al. Chronic obstructive pulmonary disease[J]. Lancet, 2022, 399(10342): 2227-2242.

[12]

吴寅, 廖玺铭, 王琨, 等. 呼吸音数字化分析在体格检查及呼吸系统疾病诊断中的研究进展[J]. 同济大学学报(医学版), 2024, 45(2): 273-280.

[13]

王苗. 机械振动排痰在减少外科术后ICU机械通气患者肺部并发症的应用分析[J]. 实用临床医药杂志, 2017, 21(10): 70-73.

[14]

陈晓云, 薛磊. 开放式临床技能训练系统在临床医学专业教学中的应用[J]. 广州医科大学学报, 2016, 44(5): 79-81.

[15]

赵虎, 宋晓栋, 何为. 基于虚拟仪器的数字心音图分析仪的设计研究[J]. 医疗卫生装备, 2009, 30(1): 7-9.

2025年第31卷第5期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.11876/mimt202505011

首发时间：2026-10-23
出版时间：2025-10-10

补充材料

相关文章

文章信息

作者

出版历史

基金

新疆生产建设兵团重点领域科技攻关计划项目(2023AB018-06)

新疆生产建设兵团医院创新团队项目(2022003)

新疆生产建设兵团医院青年基金项目(2023013)

作者信息

^1.新疆医科大学研究生学院，乌鲁木齐　830000

^2.新疆生产建设兵团医院呼吸与危重症医学科，乌鲁木齐　830002

通讯作者:

黄玉蓉，女，硕士研究生，主任医师，研究方向：呼吸系统常见病及危重症诊治

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/xdyqyyl/CN/10.11876/mimt202505011

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT