Pokaż mi jak kaszlesz, a powiem ci, czy jesteś zakażony

Naukowcy z MIT "nauczyli" komputer rozpoznawać czy osoba jest zakażona, na podstawie wymuszonego kaszlu pacjenta.

Kaszel rozszyfrowany

Naukowcy z MIT odkryli, że osoby bezobjawowe mogą różnić się od osób zdrowych sposobem kaszlu. Różnic tych nie da się rozszyfrować dla ludzkiego ucha. Okazuje się jednak, że może je wychwycić sztuczna inteligencja.

W artykule opublikowanym niedawno w IEEE Journal of Engineering in Medicine and Biology, zespół donosi o modelu sztucznej inteligencji, która odróżnia pacjentów zakażonych bezobjawowo bądź skąpoobjawowo od zdrowych tylko i wyłącznie na podstawie nagrania wymuszonego kaszlu, które ludzie dobrowolnie przesyłali za pośrednictwem przeglądarek internetowych i urządzeń takich jak telefony komórkowe i laptopy.

Zespół wykorzystał 2500 nagrań powiązanych z COVID-19 oraz 2500 innych nagrań, które losowo wybrał z kolekcji, aby zbilansować zbiór danych. Użyli 4000 takich próbek do trenowania modelu AI. Pozostałe 1000 zapisów zostało następnie wprowadzonych do modelu, aby sprawdzić, czy może on dokładnie odróżnić kaszel pacjentów z COVID-19 od osób zdrowych.

COVID-19 w aplikacji

Zaznajomiony z tysiącami próbek dźwięków kaszlu ludzi, komputer był w stanie poprawnie zdiagnozować zakażenie u 98,5% osób, u których potwierdzono obecność COVID-19, w tym 100% u osób zakażonych bezobjawowo.

Zespół pracuje nad włączeniem modelu do przyjaznej dla użytkownika aplikacji, która, jeśli zostanie zatwierdzona przez FDA i zaadaptowana na dużą skalę, mogłaby potencjalnie być darmowym, wygodnym, nieinwazyjnym narzędziem do wstępnego badania przesiewowego w celu zidentyfikowania osób, u których prawdopodobnie nie wystąpią objawy COVID-19.

Użytkownik mógł logować się codziennie, kaszleć do telefonu i natychmiast uzyskiwać informacje o tym, czy może być zarażony i powinien skierować się na diagnostykę laboratoryjną.

- Skuteczne wdrożenie tego grupowego narzędzia diagnostycznego mogłoby ograniczyć rozprzestrzenianie się pandemii, gdyby wszyscy go użyli przed udaniem się do szkoły, fabryki lub restauracji - mówi współautor Brian Subirana, naukowiec z Laboratorium Auto-ID MIT .

źródło: MIT