تشخیص کرونا از صدای سرفه با استفاده از هوش مصنوعی

محققان دانشگاه اوکلاهما موفق شدند با استفاده از هوش مصنوعی از صدای سرفه، احتمال ابتلا به کرونا را در فرد تشخیص دهند.

به گزارش خبرنگار حوزه بهداشت و درمان گروه علمی پزشکی باشگاه خبرنگاران جوان، بار ها و بار ها کارشناسان اظهار کردند که برای کنترل شیوع ویروس کرونا به آزمایش بیشتر و سریعتری نیاز است و برخی معتقدند که هوش مصنوعی می تواند در این زمینه موثر باشد. در بسیاری از روش های تشخیص کرونا از هوش مصنوی برای تجزیه و تحلیل سریع اشعه ایکس یا سی تی اسکن استفاده می شود، اما این روش ها نیاز به اسکن قفسه سینه در یک مرکز پزشکی دارد.

تیمی از محققان تلاش کردند تا راهی برای تشخیص سریعتر ویروس کرونا در افراد مبتلا بیابند. در ماه ژوئیه محققان دانشگاه اوکلاهما نشان دادند که می توان سرفه کووید-19 را از سایر سرفه ها تشخیص داد. در این تحقیق آن ها با استفاده از هوش مصنوعی ثابت کردند که صدای سرفه افراد مبتلا متفاوت است. این واقعیت که چندین مدل می توانند کووید-19 را در سرفه تشخیص دهند، نشان می دهد که چیزی به نام ویروس کرونای بدون علامت وجود نداشته و همواره تغییرات فیزیکی رخ می دهد که منجر به تغییر نحوه تولید صدا در فرد می شوند.

در حالی که گوش انسان نمی تواند آن تغییرات را تشخیص دهد، اما هوش مصنوعی موفق به تشخیص این تغییرات شده است. علی عمران که پروژه قبلی آن را در مرکز تحقیقات AI4Neworks دانشگاه اوکلاهما رهبری می کرد، این مفهوم را با صدای یک گیتار مقایسه کرده و می گوید اگر سیم های گیتار را تغییر دهید، اما نت های مشابهی را بنوازید، صدا های کاملا متفاوتی به دنبال خواهد داشت.

عمران می گوید: گوش انسان قادر به تشخیص پنج تا ده ویژگی مختلف سرفه است. با پردازش سیگنال و با استفاده از هوش مصنوعی می توانیم حداکثر 300 ویژگی مختلف را استخراج کنیم.

هنگام بروز همه گیری این تیم در حال کار بر روی مجموعه ای از الگوریتم های یادگیری ماشین برای تشخیص بیماری آلزایمر در ضبط های صوتی با استفاده از نشانگر های زیستی مانند قدرت طناب صوتی، احساسات، عملکرد ریه ها و تخریب عضلات بود. وقتی مشخص شد که سرفه از ویژگی های اصلی کووید-19 است، آن ها سریعا متوجه شدند امکان دارد عفونت های ویروسی کرونا از طریق هوش مصنوعی تشخیص داده شود.

این تیم در ابتدا از مدل های هوش مصنوعی برای پروژه استفاده کرد، اما سقف دقت به حدود 70 ٪ رسید. آن ها مدل هوش مصنوعی موجود در بیماری آلزایمر خود را با داده های سرفه کووید-19 مقایسه کردند. این مدل 98.5 درصد در تشخیص افراد مبتلا دقیق بود. در تشخیص افراد بدون علامت، این دقت به 100 درصد رسید و 83.2 درصد موارد منفی را شناسایی کرد.

در ماه ژوئیه، عمران و همکارانش توانستند یک مدل هوش مصنوعی برای شناسایی سرفه های بدون علامت و غربال کردن این عوامل مخلوط کننده برای تشخیص سرفه های کووید-19 از صدای سرفه برونشیت، سیاه سرفه و آسم با دقت 90 درصد کامل ایجاد کنند. عمران می گوید: هدف ما این بود که اطمینان حاصل کنیم کسی که مبتلا به آسم است به اشتباه کرونا مثبت تشخیص داده نشود.