有数据显示，世界50%新冠（COVID-19）病例由无症状感染者传染。

无发烧、乏力、头晕等明显特征的无症状感染者，已在不知不觉中成为新冠病毒传播和复发的最大威胁。

近日，麻省理工学院（MIT）研究团队声称其利用AI开发了一种无症状感染检测新方法。有意思的是，该方法利用的是人的生物特征——咳嗽声。

他们发现，无症状感染者发出的咳嗽声与健康人存在不同，其中细微的差别人耳很难分辨，但AI可以。

在最近发表在《IEEE医学与生物工程学杂志》上的一篇论文中，MIT研究人员明确表示，他们已经开发出一种能够识别COVID-19咳嗽声的AI。该AI算法已通过迄今为止最大的咳嗽数据集测试，无症状感染者的诊断准确率可达到%。

目前，MIT研究团队已经与一家企业展开合作，计划将该AI算法整合到手机应用程序中。项目负责人布莱恩·苏比拉纳（BrianSubirana）表示：

如果每个人在去教室，工厂或餐厅之前都使用该AI诊断工具，将会有效减少新冠大流行的传播。”

据悉，该项研究成果也同步提交到了FDA和其他监管机构，如获得批准，COVID-19咳嗽应用程序将免费用于大规模人群筛查。

利用“咳嗽声”诊断疾病

人耳能够分辨出五到十种不同的咳嗽特征，但通过机器学习和信号处理，AI能够识别多种。

在医学领域，AI识别「咳嗽声」已用于多项疾病检测任务。比AI检测肺炎，哮喘或者神经肌肉疾病等。

如Subirana所说，“说话和咳嗽的声音都受到声带和周围器官的影响。这也意味着，我们可以从声音中获取有关体内器官的信息，而AI恰好可以做到这一点。”

因此，在疫情爆发之前，MIT研究团队已经在尝试利用AI辨“音”来诊断阿尔茨海默症（AD）早期的患者。

需要注意的是，正是通过这项研究，研究人员发现了识别COVID-19无症状感染者的可能性，并提供了AI算法支持。

阿尔茨海默病是一种神经系统退行性疾病，不仅与记忆力衰退有关，还与声带减弱等神经肌肉退化有关。因此，研究人员开发了一种通用的机器学习算法（或称为ResNet50的神经网络），来区分与不同声带强度所产生的声音。

具体来说，他们训练了三个神经网络模型。第一个神经网络代表一个人声带的强弱，利用有声读物数据集（含0h语音）进行训练；第二神经网络用来区分言语中的情绪状态。据了解，AD患者的神经功能衰退较一般人更为普遍，经常会表现出沮丧、悲伤等负面情绪。因此，研究人员利用演员表达不同情绪的大型语音数据集，开发了情绪语音分类器。第三个神经网络在自建的咳嗽数据集上训练，用来辨别肺和呼吸功能的变化。

最后将三种模型结合起来，形成了一个用于检测肌肉退化的AI框架。研究人员经过检测发现，基于声带强度、情绪、肺和呼吸功能等生物特征，该AI能够准确识别出AD患者。

基于此，当冠状大流行开始蔓延后，Subirana开始思考是否可以利用AI诊断COVID-19，因为已经有证据表明，新冠感染患者会发生一些类似的神经系统症状，比如，暂时性神经肌肉损伤。

后来，Subirana在COVID-19咳嗽数据集上训练了阿尔茨海默氏病AI模型，结果取得了惊人的发现。该AI模型不仅可以高精度识别出新冠感染患者，而且无症状感染者的准确率更高。

无症状感染者识别率%

AI模型和数据集是决定疾病诊断准确率的两项关键指标。

今年4月，MIT研究人员建立了一个公开咳嗽数据收集网站，允许所有人通过网络浏览器、手机或者笔记本电脑等设备自愿提交咳嗽录音。

网站

转载请注明:http://www.aideyishus.com/lkyy/4649.html