今年九月，麻省理工學(xué)院（MIT）的研究人員發(fā)表了題為《COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings》（僅使用咳嗽記錄進(jìn)行 COVID-19 人工智能診斷）的論文，文中發(fā)現(xiàn)新冠病毒患者的咳嗽聲與健康人不一樣。

普通的新冠病毒患者在得病之后會(huì)伴隨咳嗽、流鼻涕、發(fā)燒等癥狀，他們往往較為容易追蹤和檢測(cè)；相反沒(méi)有明顯癥狀的患者卻能夠隱藏在人群中很難被識(shí)別，因?yàn)樗麄儾恢雷约河袥](méi)有患病。然而 MIT 似乎找到了高效識(shí)別無(wú)癥狀患者的方法。

MIT 提供的模型只需要一段簡(jiǎn)單的咳嗽聲，就能檢測(cè)出受測(cè)者是否感染新冠病毒，無(wú)需依靠之前明顯的特征。這是因?yàn)?AI 模型能夠辨別新冠病毒患者和健康人之間咳嗽聲的差異，而人耳不行、即使是專(zhuān)業(yè)的醫(yī)護(hù)人員。

該研究成果發(fā)表在《IEEE 醫(yī)學(xué)和生物學(xué)工程雜志》上，并得到了廣泛的關(guān)注。

這項(xiàng)技術(shù)可以應(yīng)用于大規(guī)模 COVID-19 無(wú)癥狀篩查工具，并具有實(shí)時(shí)性和可分發(fā)性。目前，該工具可在辦公場(chǎng)所和公共區(qū)域重新開(kāi)放時(shí)，對(duì)辦公人員和公眾進(jìn)行日常篩查，并迅速掌握當(dāng)前群體中的疫情狀況。

同時(shí)，該項(xiàng)研究成果也同步提交到了 FDA 和其他監(jiān)管機(jī)構(gòu)，如獲得批準(zhǔn)，與之相關(guān)的應(yīng)用程序?qū)⒚赓M(fèi)用于大規(guī)模人群篩查。

1、基于聲學(xué)生物標(biāo)記特征的 AI 語(yǔ)音處理模型

研究中所使用的 AI 模型提取了咳嗽記錄的音頻特征（梅爾頻率倒譜系數(shù)），并將它輸入到神經(jīng)網(wǎng)絡(luò)（卷積神經(jīng)網(wǎng)絡(luò)，CNN）中，學(xué)習(xí)新冠病毒患者與健康人之間的咳嗽差異。

正如 Subirana 在文中解釋說(shuō)：“說(shuō)話聲和咳嗽聲都會(huì)隨著聲帶及周?chē)鞴俚淖兓淖?。這意味著你在說(shuō)話時(shí)，說(shuō)話的一部分就像是咳嗽，反之亦然?！?/p>

其實(shí)，利用 AI 模型研究聲學(xué)特征并不是首例。早在疫情爆發(fā)之前，MIT 研究團(tuán)隊(duì)已經(jīng)在嘗試?yán)?AI 分辨聲音來(lái)診斷阿爾茨海默癥（AD）早期的患者。也正是這項(xiàng)研究，使得他們發(fā)現(xiàn)了識(shí)別 COVID-19 無(wú)癥狀感染者的可能性，并提供了 AI 算法支持。

具體來(lái)說(shuō)，研究人員訓(xùn)練了三個(gè)神經(jīng)網(wǎng)絡(luò)模型。

第一個(gè)模型用來(lái)提取一個(gè)人聲帶的強(qiáng)弱特征，利用有聲讀物數(shù)據(jù)集（含 1000 小時(shí)音頻）進(jìn)行訓(xùn)練。

第二神經(jīng)網(wǎng)絡(luò)用來(lái)區(qū)分言語(yǔ)中的情緒狀態(tài)。據(jù)了解，患者的神經(jīng)功能衰退較一般人更為普遍，經(jīng)常會(huì)表現(xiàn)出沮喪、悲傷等負(fù)面情緒。因此，研究人員利用演員表達(dá)不同情緒的大型語(yǔ)音數(shù)據(jù)集，開(kāi)發(fā)了情緒語(yǔ)音分類(lèi)器。

第三個(gè)神經(jīng)網(wǎng)絡(luò)在自建的咳嗽數(shù)據(jù)集上訓(xùn)練，用來(lái)辨別肺和呼吸功能的變化。

最后研究人員將三種模型整合在一起，形成了一個(gè)用于檢測(cè)肌肉退化的 AI 框架。經(jīng)過(guò)檢測(cè)發(fā)現(xiàn)，基于聲帶強(qiáng)度、情緒、肺和呼吸功能等生物特征，該 AI 模型能夠很準(zhǔn)確地識(shí)別出新冠病毒患者。

2、MIT 提供的模型能夠 100% 檢測(cè)出無(wú)癥狀新冠病毒患者

決定模型準(zhǔn)確率的兩大因素為：模型架構(gòu)和數(shù)據(jù)集。因此，除了上述出色的架構(gòu)外，一定少不了合適的數(shù)據(jù)集。

今年 4 月，MIT 研究人員建立了一個(gè)公開(kāi)咳嗽數(shù)據(jù)收集網(wǎng)站（https://opensigma.mit.edu/），允許所有人通過(guò)網(wǎng)絡(luò)瀏覽器、手機(jī)或者筆記本電腦等設(shè)備自愿提交咳嗽錄音。

截止到目前，該網(wǎng)站收集了超過(guò) 7 萬(wàn)個(gè)錄音，共包含約 20 萬(wàn)份咳嗽音頻樣本。其中，2500 多個(gè)樣本由已經(jīng)確診的患者提交，包括那些無(wú)癥狀感染者。作者也很自豪的說(shuō)：“在醫(yī)療領(lǐng)域，這是迄今為止最大的咳嗽數(shù)據(jù)集。”

實(shí)驗(yàn)證明，僅使用上述的 AI 模型，可以從確認(rèn)已患有新冠病毒的人中準(zhǔn)確地識(shí)別出 98.5% 的咳嗽，并且以 100% 的準(zhǔn)確性檢測(cè)出了沒(méi)有任何癥狀，但檢測(cè)呈陽(yáng)性的那些人。

由此可見(jiàn)，新冠病毒患者即時(shí)沒(méi)有明顯癥狀，其聲音也會(huì)發(fā)生明顯的變化。同時(shí)，該 AI 模型可以通過(guò)這一變化有效地識(shí)別出無(wú)癥狀感染者。

與目前唯一已實(shí)施的篩查方法（測(cè)量體溫）相比，只有 45％的輕中度新冠病毒患者有發(fā)燒（體溫升高）的癥狀。如果將 MIT 提供的技術(shù)應(yīng)用于每日檢查中，會(huì)有不錯(cuò)的提升。

目前，MIT 的團(tuán)隊(duì)正在與相關(guān)企業(yè)合作將該 AI 模型整合到手機(jī)應(yīng)用程序（App）中，以便人們方便地對(duì)疾病風(fēng)險(xiǎn)進(jìn)行初步評(píng)估。

同時(shí)，為了訓(xùn)練和增強(qiáng) AI 模型的準(zhǔn)確性，研究人員也與世界各地的多家醫(yī)院合作，以收集更大、更多樣化的咳嗽記錄集，并提供到后續(xù)的模型訓(xùn)練中。

正如文中所敘述的那樣，新興的人工智能技術(shù)正在也將被應(yīng)用于更多的領(lǐng)域當(dāng)中。可以是用來(lái)發(fā)現(xiàn)無(wú)癥狀感染者，遏制新冠病毒的傳播，也可以是識(shí)別和檢測(cè)早期阿爾茲海默癥患者，進(jìn)行及時(shí)的治療……

原文標(biāo)題：僅憑咳嗽聲就可100%檢測(cè)出新冠病毒患者？MIT研發(fā)可辨別新冠病毒的AI模型

文章出處：【微信公眾號(hào)：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq