Технологія вже довела свою ефективність і тепер вчені працюють над мобільним додатком, щоб кожна людина могла покашляти в смартфон і миттєво отримати діагноз. Як і годиться при роботі нейромережі, вчені не можуть пояснити, за якими саме параметрами вона обчислює хворобу, але робить вона це безпомилково.
Основою нового діагностичного інструменту
став алгоритм, який вчені з Массачусетського технологічного інституту
розробляли для визначення ознак хвороби Альцгеймера. Дане захворювання
пов'язане з нервово-м'язової деградацією і за допомогою ШI вчені прагнули
оцінювати по мові
і кашлю ослаблення голосових зв'язок. Вони досягли високих результатів у цьому
відношенні, але пандемія COVID-19 змусила вчених подивитися на свою розробку з
іншого боку. Стало зрозуміло, що деякі пацієнти з COVID-19 можуть відчувати схожі
неврологічні симптоми, тому алгоритм вирішили адаптувати для діагностики
коронавирусної
інфекції.
Дані збирали онлайн. Будь-який бажаючий міг
заповнити анкету та відправити аудіозапис свого кашлю й мови незалежно від
наявності встановленого діагнозу COVID-19. Відмінності в кашлі неможливо
розшифрувати людині, проте ШІ зміг точно визначати
і класифікувати всі випадки.
ШІ з 98,5% точністю
ідентифікував по кашлю пацієнтів з COVID-19, в тому числі 100% безсимптомних
носіїв SARS-CoV-2. Постановка діагнозу базувалася на чотирьох біомаркерах
по аналогії з обстеженням при хворобі Альцгеймера - силі голосових зв'язок,
емоційноу
тону мови, характеристиках дихання і м'язової
деградації.
«Ми думаємо, що відтворення звуків змінюється
при наявності COVID-19 навіть якщо не спостерігається симптомів», - пояснюють
учені особливості аналізу ШІ.
В даний час команда працює над створенням
безкоштовного додатку для попереднього тестування на COVID-19. Наприклад, перед
походом в ресторан, офіс та інші громадські місця. У більш віддаленій
перспективі вони розглядають інтеграцію ШІ в динаміки смартфона
або інші пристрої, щоб система в фоновому режимі могла щодня повідомляти про
ризики безсимптомного носійства.
Для скептиків цитата з МІТ:
The researchers trained the model on tens of
thousands of samples of coughs , as well as spoken words. When they fed the
model new cough recordings, it accurately identified 98.5 percent of coughs
from people who were confirmed to have Covid -19, including 100 percent of
coughs from asymptomatics - who reported they did not have symptoms but had
tested positive for the virus .
https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029