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
*博客內容為網(wǎng)友個(gè)人發(fā)布,僅代表博主個(gè)人觀(guān)點(diǎn),如有侵權請聯(lián)系工作人員刪除。