Смартфон, который владельцы животных обычно используют для фотографий и общения, может стать инструментом предварительной проверки сердца вашего питомца. Исследователи Асвин Хосе, Руланд П.-Ж. Э. Декорте и Лоран Локке разработали систему Sonus Health, анализирующую сердечные звуки собак и кошек по записи продолжительностью около 30 секунд.
Телефон прикладывают к грудной клетке животного, после чего звук передается в облачный алгоритм. Предварительный результат, по сведениям разработчиков, может появиться менее чем через пять секунд.
Авторы рассматривают технологию как средство скрининга, дистанционного наблюдения и сортировки обращений. Система должна помочь заметить запись, которую стоит показать ветеринарному врачу, особенно если у животного пока нет явных симптомов. Она не определяет заболевание, не оценивает его тяжесть и не назначает лечение. Обнаруженный шум остается акустическим признаком, который требует клинической интерпретации.
У исследования есть важная особенность: все его авторы связаны с компанией, создавшей Sonus Health. Работа опубликована в формате препринта и пока не прошла полноценное независимое рецензирование. Это не делает результаты недостоверными, но требует осторожности при их оценке. Для убедительного подтверждения возможностей системы понадобятся испытания, проведенные сторонними клиниками на новых животных.
Сердце слушают две разные модели
В основе Sonus Health лежат два алгоритма, которые анализируют одну запись разными способами. Первая модель изучает частотно-временную картину звука и ищет тонкие изменения, распределенные по сердечному циклу. В исследовании она описана как билинейная нейросеть, чувствительная к слабым спектральным признакам шума. Такая модель может заметить отклонение, которое сложно представить несколькими общими числовыми характеристиками.
Вторая модель построена на технологии LightGBM и получает сводный набор признаков всей записи. В него входят акустические, временные и связанные с качеством сигнала параметры. Усредненные характеристики помогают алгоритму меньше реагировать на отдельные кратковременные помехи. По результатам проверки именно эта модель оказалась более сильным самостоятельным классификатором.
Перед объединением ответы моделей калибруют, чтобы одинаковые значения вероятности имели сопоставимый смысл. После этого система проверяет, насколько уверенно и согласно работают оба алгоритма. Если их оценки находятся в одной уверенной области, пользователю возвращается автоматический результат. Когда модели расходятся, программа не пытается угадать и передает запись ветеринарному специалисту.
Авторы не опубликовали полный список используемых признаков, устройство нейросетевой части, параметры обучения и точные границы категорий уверенности. Эти сведения названы собственностью компании. Такое ограничение мешает другим исследовательским группам полностью воспроизвести эксперимент. Независимое повторение особенно важно для алгоритмов, которые планируют применять в медицинской и ветеринарной практике.
В исследование вошли 322 реальные записи
Для проверки использовали 322 записи, полученные от 253 собак и кошек. Большинство животных были представлены одним сеансом, хотя от некоторых питомцев поступило несколько записей. Максимальное число записей от одного животного достигало девяти. Чтобы алгоритм случайно не запоминал индивидуальное звучание конкретного сердца, авторы дополнительно провели проверку, при которой все записи одного питомца оставались только в одной части выборки.
Каждую запись оценивал ветеринарный кардиолог, который не видел ответа алгоритма. В 149 случаях специалист отметил наличие сердечного шума, в 173 случаях шум не был выявлен. Записи собирали как владельцы животных дома, так и сотрудники ветеринарных клиник. Авторы намеренно использовали материал с реальными дыхательными, бытовыми и контактными помехами, а не только звук, полученный в идеальной лабораторной обстановке.
Продолжительность записи обычно составляла не менее 30 секунд. Микрофон смартфона фиксировал не только сердце, но и дыхание, движение шерсти, напряжение мышц, шум рук и окружающей комнаты. Дополнительную лабораторную очистку сверх стандартной обработки платформы исследователи не применяли. Это приближает эксперимент к реальному использованию, одновременно усложняя задачу алгоритма.
В публикации нет подробной разбивки результатов отдельно для собак и кошек. Не указаны породы, возраст, масса тела, диагнозы и модели смартфонов. Поэтому пока нельзя определить, одинаково ли система работает у маленьких и крупных собак, у короткошерстных и длинношерстных животных, а также у кошек с различной частотой сердечных сокращений. Эти различия предстоит исследовать отдельно.
Точность 95,9% получена только для трети материала
Главная цифра исследования относится к высокоуверенной группе. В нее вошли 97 записей из 322, что соответствует 30,1% всей выборки. Алгоритм правильно обработал 93 из них: получил 47 истинно положительных и 46 истинно отрицательных результатов. Ошибок было четыре — один ложноположительный и три ложноотрицательных ответа.
В этой группе точность достигла 95,9%, чувствительность составила 94%, а специфичность — 97,9%. Чувствительность показывает долю записей с шумом, которые система смогла распознать. Специфичность отражает долю записей без шума, правильно отмеченных как отрицательные. Высокое значение точности нельзя распространять на все случаи использования приложения, поскольку система заранее отобрала для этой категории наиболее понятные записи.
- Высокая уверенность — 97 записей, или 30,1% выборки; точность 95,9%.
- Средняя уверенность — 128 записей, или 39,8% выборки; точность 70,3%.
- Низкая уверенность — 97 записей, или 30,1% выборки; автоматическое заключение не выдавалось.
При стандартной пятикратной перекрестной проверке общая точность объединенной системы составляла 74,84%. Значение AUROC достигло примерно 0,842. Эта метрика оценивает, насколько хорошо модель в целом отделяет положительные записи от отрицательных при изменении порога решения. Общие результаты заметно скромнее показателя высокоуверенной группы и лучше отражают экспериментальную стадию разработки.
Отказ от ответа стал частью системы безопасности
Около трети записей попали в низкоуверенную категорию, поскольку две модели дали расходящиеся оценки. В таких ситуациях Sonus Health не формирует окончательный автоматический ответ. Запись должна быть передана ветеринарному специалисту. Авторы называют это механизмом контролируемого отказа, который снижает риск уверенной ошибки.
Для ветеринарных алгоритмов способность признать неопределенность имеет практическое значение. Шумная запись может содержать слишком мало полезного сигнала, чтобы сделать надежный вывод. Алгоритм также может встретить акустическую картину, которая редко встречалась в обучающем наборе. В этих случаях отказ от автоматической классификации безопаснее случайного решения.
Средняя категория охватила 128 записей и показала точность 70,3%. Результат в ней предполагалось сопровождать заметным предупреждением о необходимости клинического подтверждения. Именно эта группа оказалась самой большой. Поэтому понятное объяснение неопределенности пользователю будет не менее важным, чем техническая точность модели.
При групповом разделении данных, исключающем попадание записей одного животного в обучение и проверку, общая точность составила 74,53%, а AUROC — 0,8371. Близость этих показателей к результатам обычной проверки указывает, что повторные записи отдельных питомцев, вероятно, не стали главным источником завышения метрик. Однако такая проверка все равно остается ретроспективной.
Отдельный тест включал только 46 записей
Исследователи дополнительно разделили данные на обучающую, настроечную и тестовую части. В независимой тестовой группе осталось 46 записей, на которых объединенная система показала точность 84,78%. Авторы сами называют этот показатель вспомогательной проверкой. При столь небольшом числе примеров несколько ошибок способны заметно изменить итоговый процент.
Для оценки статистической неопределенности использовали 2000 бутстреп-пересчетов. Алгоритм также проверяли с четырьмя разными исходными настройками генератора случайных чисел. Изменения общей точности и AUROC были небольшими. Это указывает на техническую стабильность вычислительного эксперимента, но не подтверждает стабильность на новых животных и других моделях телефонов.
Общий объем файлов обученной системы оказался меньше четырех мегабайт. При этом основная обработка выполняется в облаке, а смартфон служит устройством для записи звука и взаимодействия с приложением. Такой подход позволяет обновлять алгоритм без замены пользовательского оборудования. Его практическая надежность зависит от качества интернет-соединения, микрофона и соблюдения инструкции записи.
По словам разработчиков, платформа также оценивает частоту сердечных сокращений и вариабельность сердечного ритма. Эти функции могут быть интересны для длительного наблюдения за одним животным. В рассматриваемой работе их точность не проверялась. Представленные результаты относятся только к выявлению возможного сердечного шума.
Домашняя запись зависит от поведения питомца
Получить чистый звук сердца с помощью телефона сложнее, чем может показаться. Шерсть трется о корпус устройства, дыхание попадает в тот же частотный диапазон, а движение грудной клетки меняет контакт микрофона с телом. Собака может тяжело дышать после прогулки или волноваться из-за непривычной процедуры. Кошка способна начать мурлыкать, создавая продолжительную вибрацию поверх сердечных тонов.
На качество влияют положение смартфона, сила прижатия и продолжительность записи. Разные телефоны оснащены микрофонами с неодинаковой чувствительностью и обработкой шума. Программное подавление фоновых звуков, полезное во время разговора, теоретически может изменять структуру сердечной записи. Эти аппаратные различия в исследовании подробно не разобраны.
Для домашнего измерения животному требуется спокойная обстановка. Запись лучше выполнять до активной игры и не сразу после прогулки. Телефон не следует резко прижимать или перемещать по грудной клетке, если питомец сопротивляется. Любая процедура должна прекращаться при признаках стресса, боли или затрудненного дыхания.
Повторяемость также имеет значение. Для наблюдения в динамике желательно записывать сердце в похожем положении, в одно и то же время и при сопоставимом состоянии животного. Тогда изменения звука с меньшей вероятностью будут связаны только со способом измерения. Окончательную интерпретацию повторных записей должен проводить ветеринарный специалист.
Шум в сердце не равен названию болезни
Сердечный шум — это дополнительный звук, возникающий при движении крови через сердце или крупные сосуды. Он может сопровождать заболевание клапанов, врожденную аномалию или изменение структуры сердечной мышцы. Некоторые шумы бывают функциональными и не указывают на тяжелую патологию. Один акустический признак не позволяет установить причину и прогноз.
Во время обычной аускультации врач оценивает громкость шума, его продолжительность и положение в сердечном цикле. Учитываются область максимальной слышимости и распространение звука по грудной клетке. Дополнительно ветеринар проверяет пульс, дыхание, цвет слизистых и общее состояние питомца. При необходимости назначаются эхокардиография, электрокардиография, рентгенография и лабораторные исследования.
Положительный результат приложения не подтверждает наличие опасного заболевания. Он означает, что запись содержит признаки, заслуживающие профессиональной проверки. Отрицательный ответ также не гарантирует, что сердце полностью здорово. Система может пропустить слабый или нетипичный шум, особенно при плохом качестве сигнала.
При одышке, обмороке, внезапной слабости, посинении слизистых или учащенном дыхании в покое обращаться в клинику следует независимо от результата смартфонного анализа. Тревожным признаком также становится резкое снижение переносимости привычной нагрузки. В подобных ситуациях повторная домашняя запись не должна откладывать осмотр. Решение о срочности помощи принимает ветеринарный врач.
Авторам предстоит доказать работу системы вне собственной платформы
Исследование проводилось на ограниченном наборе данных, полученном из одного производственного экспорта за апрель 2026 года. Это означает, что записи отражают определенный период, круг пользователей и действовавшую версию приложения. Для полноценной проверки потребуются новые данные, собранные после утверждения протокола исследования. Желательно участие нескольких независимых клиник и ветеринарных кардиологов.
Особенно важна раздельная оценка собак и кошек. У этих видов различаются частота сердечных сокращений, распространенные заболевания и особенности поведения во время записи. Внутри каждого вида необходимо проверить животных разных пород, размеров и возрастов. Отдельного анализа требуют слабые, редкие и нетипичные шумы.
Исследователям предстоит определить, насколько хорошо владельцы без медицинской подготовки находят подходящую точку на грудной клетке. Следует сравнить разные модели смартфонов, чехлы, операционные системы и способы удержания устройства. Полезным будет испытание в шумных квартирах и клиниках, где рядом находятся другие животные. Такая проверка покажет реальную устойчивость системы.
Потребуется оценить и клиническую пользу. Важно узнать, помогает ли приложение раньше обнаруживать заболевания, уменьшает ли число пропущенных случаев и не создает ли чрезмерного количества тревожных направлений. Техническое совпадение с меткой ветеринара остается промежуточным результатом. Главным критерием станет влияние системы на здоровье животных и качество решений владельцев и врачей.
Перспективный инструмент с заметными ограничениями
Исследование Асвина Хосе, Руланда П.-Ж. Э. Декорте и Лорана Локке показывает, что микрофон смартфона способен записывать достаточно информации для экспериментального анализа сердечных шумов у собак и кошек. Наиболее интересной частью разработки стала многоуровневая оценка уверенности. Система возвращает автоматический ответ только для части записей, а спорные случаи направляет специалисту. Такой механизм снижает риск категоричных выводов при плохом или незнакомом сигнале.
Точность 95,9% выглядит многообещающе, но относится только к 97 высокоуверенным записям. Для всей выборки общий показатель находился примерно на уровне 75%. Работа не содержит подробной разбивки по видам, породам и устройствам, а ее авторы связаны с компанией-разработчиком. Эти обстоятельства не позволяют считать эффективность окончательно доказанной.
При успешной независимой проверке технология может стать дополнительным каналом раннего скрининга. Владельцы смогут отправлять записи между визитами, а клиники — быстрее выделять животных, которым требуется подробное обследование. Особенно полезным может оказаться последовательное наблюдение за одним питомцем по одинаковой методике. Практическая ценность будет зависеть от качества записи и грамотной реакции на неопределенный результат.
На нынешнем этапе Sonus Health разумно рассматривать как экспериментальный помощник. Приложение может обратить внимание на подозрительный звук, но не определяет диагноз и не исключает заболевание. Любой результат необходимо сопоставлять с симптомами и данными осмотра. Ответственность за окончательное заключение остается у ветеринарного врача.
