告別捅嗓子？AI手機程序通過(guò)聲音檢測新冠，準確率已達到89%

不知道大家對做核酸怎么看，反正文摘菌的喉嚨已經(jīng)起繭了。

不過(guò)為了防疫大局，也為了知道確定自己的健康狀況，通過(guò)核酸確認自己沒(méi)有感染新冠又在所難免。

等等……有沒(méi)有其他方法可以檢測自己有沒(méi)有中招？

最好還是不用出門(mén)的那種。

你別說(shuō)，這樣的技術(shù)還真有可能出現。

9月8日在西班牙巴塞羅那舉行的歐洲呼吸學(xué)會(huì )國際大會(huì )(European Respiratory Society International Congress)上發(fā)表的一項研究表明，一款手機應用程序借助人工智能，可以通過(guò)你的聲音判斷中是否感染了新冠肺炎。

目前，這一模型的準確率已經(jīng)達到89%。

這是不是意味著(zhù)，將來(lái)在家上傳自己的聲音，就可以代替做核酸了？想想都覺(jué)得美妙……

通過(guò)聲音分辨你是否是陽(yáng)性，效果優(yōu)于快速抗原檢測

新冠肺炎會(huì )影響上呼吸道和聲帶，導致人的聲音發(fā)生變化。

在這基礎上，馬斯特里赫特大學(xué)數據科學(xué)研究所(Institute of Data Science)的Wafaa Aljbawi女士和她的上司，馬斯特里赫特大學(xué)醫學(xué)中心的肺病專(zhuān)家Sami Simon 博士，以及同樣來(lái)自數據科學(xué)研究所的Visara Urovi博士，決定研究是否有可能使用人工智能來(lái)分析聲音以檢測新冠陽(yáng)性。

他們使用了劍橋大學(xué)的COVID-19聲音應用程序的數據，該應用程序包含4352名健康和非健康參與者的893個(gè)音頻樣本，其中308人的新冠檢測呈陽(yáng)性。

該應用程序安裝在用戶(hù)的手機上，參與者報告一些人口統計、病史和吸煙狀況等基本信息，然后被要求記錄一些呼吸聲音，包括咳嗽三次，用嘴深呼吸三到五次，在屏幕上讀短句子三次。

研究人員使用了一種名為“梅爾譜圖分析（Mel-spectrogram）”的語(yǔ)音分析技術(shù)，該技術(shù)可以識別不同的語(yǔ)音特征，如響度、頻率和隨時(shí)間的變化。

“通過(guò)這種方式，我們可以分解參與者聲音的許多屬性，”Aljbawi女士說(shuō)?！盀榱藚^分新冠病毒陽(yáng)性患者和陰性正常人群的聲音，我們建立了不同的人工智能模型，并評估哪一種模型最適合分類(lèi)這些病例?！?/span>

他們發(fā)現LSTM模型優(yōu)于其他模型。LSTM基于神經(jīng)網(wǎng)絡(luò )，它模擬人腦的運作方式，并識別數據中的潛在關(guān)系。它擅長(cháng)時(shí)序分析，這使得它適合對隨著(zhù)時(shí)間的推移收集的信號進(jìn)行建模，比如聲音。

最終，這個(gè)模型的總體準確率為89% ，正確檢出陽(yáng)性病例(真陽(yáng)性)的能力為89% ，正確識別陰性病例(真陰性)的能力為83% 。

“這些結果顯示，與橫向流動(dòng)試驗等最先進(jìn)的檢測方法相比，診斷新冠病毒疾病的準確性有了顯著(zhù)提高，”Aljbawi表示，“側流檢測法(快速抗原檢測)的準確率僅為56%，但特異性更高，達99.5%。這一點(diǎn)很重要，因為它意味著(zhù)快速抗原檢測將感染者錯誤地分類(lèi)為陰性的情況比我們的測試更為常見(jiàn)。換句話(huà)說(shuō)，使用AI LSTM模型，我們可能會(huì )漏掉11/100的病例，這些病例會(huì )繼續傳播感染，而快速抗原檢測將會(huì )漏掉44/100的病例?！?/span>

該做核酸還是得做核酸

之所以跟快速抗原檢測相比，是因為許多國家目前已經(jīng)不再進(jìn)行免費的核酸病毒檢測——也就是國內進(jìn)行的大規模核酸檢測。

核酸病毒檢測是對采集的病毒核酸進(jìn)行直接檢測，具有特異性強、靈敏度高的特點(diǎn)，是新型冠狀病毒檢測的主要方法。

快速抗原檢測相對來(lái)說(shuō)要簡(jiǎn)單一些，可以自己完成，主要通過(guò)通過(guò)檢測病毒的抗原來(lái)進(jìn)行分辨，可以作為新型冠狀病毒診斷的主要依據之一，但是準確率相對來(lái)說(shuō)低一些。

許多國家目前都以發(fā)放快速抗原自測包為主，抗原檢測呈陽(yáng)性的才會(huì )要求做進(jìn)一步檢測。

當然，因為這種自測包相對來(lái)說(shuō)操作難度還是有的，所以準確率不太高，因此如果能夠通過(guò)聲音來(lái)判斷是陽(yáng)性，那既可以節省資源，又能夠獲得相對準確的結果，確實(shí)是一件好事。

所以說(shuō)，盡管在假陽(yáng)性方面，AI表現比較差，會(huì )有17%的人被誤診為陽(yáng)性，但是可以把它作為初篩手段，讓聲音檢測呈陽(yáng)性的，再去進(jìn)行下一步檢測。

并且，這項技術(shù)針對的更多是核酸檢測昂貴和/或難以分發(fā)的低收入國家。

至于我們，該做核酸還是得做核酸……

外，研究人員說(shuō)，他們的結果還需要大量的數據來(lái)驗證，自該項目開(kāi)始以來(lái)，從36116名參與者收集了53449個(gè)音頻樣本，可用于改進(jìn)和驗證模型的準確性。他們還正在進(jìn)行進(jìn)一步分析，以了解語(yǔ)音中的哪些參數正在影響人工智能模型。

相關(guān)報道：

https://www.news-medical.net/news/20220905/AI-model-detects-COVID-19-infection-in-peoplee28099s-voices.aspx