肺炎是世界上导致死亡的主要原因之一，在美国每年影响超过一百万人。这种疾病对儿童、老年人和住院患者的影响尤为严重。为了给他们最大的康复机会，及早发现并治疗至关重要。现有的诊断方法包括一系列的血液检查和胸部扫描，医生需要在开出这些检查之前怀疑是肺炎。

汉阳大学 Jin Yong Jeon 将在他的会议“基于使用咳嗽声的房间脉冲响应的肺炎诊断算法”中讨论通过被动聆听诊断肺炎的技术。该演讲将于 12 月 5 日美国东部时间下午 4:20 在 Summit C 举行，这是 12 月 5 日至 9 日在纳什维尔君悦酒店举行的第 183 届美国声学学会会议的一部分。

Jeon 和其他研究人员开发了一种机器学习算法来识别咳嗽声音并确定受试者是否患有肺炎。因为每个房间和录音设备都不同，他们用房间脉冲响应来增强录音，测量空间的声学对不同声音频率的反应。通过将这些数据与记录的咳嗽声相结合，该算法可以在任何环境中工作。

“通过日常生活中不断出现的咳嗽声信息自动诊断健康状况将有助于非面对面的治疗，”Jeon 说。“也有可能降低整体医疗成本。”

目前，有一家公司计划将该算法应用于远程患者监护。该团队还希望将其实现为家庭护理应用程序，他们计划让体验更简单、更人性化。

“我们的研究团队正计划将目前手动执行的每个分步过程自动化，以提高便利性和适用性，”Jeon 说。