تشخیص کرونا از صدای سرفه با استفاده از هوش مصنوعی

جی پلاس، بار‌ها و بار‌ها کارشناسان اظهار کردند که برای کنترل شیوع ویروس کرونا به آزمایش بیشتر و سریعتری نیاز است و برخی معتقدند که هوش مصنوعی می‌تواند در این زمینه موثر باشد. در بسیاری از روش‌های تشخیص کرونا از هوش مصنوی برای تجزیه و تحلیل سریع اشعه ایکس یا سی تی اسکن استفاده می‌شود، اما این روش‌ها نیاز به اسکن قفسه سینه در یک مرکز پزشکی دارد.

باشگاه خبرنگاران جوان نوشت؛ 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 می‌توان سرفه کووید-۱۹ را از سایر سرفه‌ها تشخیص داد. در این تحقیق آن‌ها با استفاده از هوش مصنوعی ثابت کردند که صدای سرفه افراد مبتلا متفاوت است. این واقعیت که چندین مدل می‌توانند کووید-۱۹ را در سرفه تشخیص دهند، نشان می‌دهد که چیزی به نام ویروس کرونای بدون علامت وجود نداشته و همواره تغییرات فیزیکی رخ می‌دهد که منجر به تغییر نحوه تولید صدا در فرد می‌شوند.

در حالی که گوش انسان نمی‌تواند 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 AI۴Neworks دانشگاه اوکلاهما رهبری می‌کرد، این مفهوم را با صدای یک گیتار مقایسه کرده و می‌گوید اگر سیم‌های گیتار را تغییر دهید، اما نت‌های مشابهی را بنوازید، صدا‌های کاملا متفاوتی به دنبال خواهد داشت.

عمران می‌گوید: گوش انسان قادر به تشخیص پنج تا ده ویژگی مختلف سرفه است. با پردازش سیگنال و با استفاده از هوش مصنوعی می‌توانیم حداکثر ۳۰۰ ویژگی مختلف را استخراج کنیم.

هنگام بروز همه گیری این تیم در حال کار بر روی مجموعه‌ای از الگوریتم‌های یادگیری ماشین برای تشخیص بیماری آلزایمر در ضبط‌های صوتی با استفاده از نشانگر‌های زیستی مانند قدرت طناب صوتی، احساسات، عملکرد ریه‌ها و تخریب عضلات بود. وقتی مشخص شد که سرفه از ویژگی‌های اصلی کووید-۱۹ است، آن‌ها سریعا متوجه شدند  امکان دارد عفونت‌های ویروسی کرونا از طریق هوش مصنوعی تشخیص داده شود.

این تیم در ابتدا  از مدل‌های هوش مصنوعی برای پروژه استفاده کرد، اما سقف دقت به حدود ۷۰ ٪ رسید. آن‌ها مدل هوش مصنوعی موجود در بیماری آلزایمر خود را با داده‌های سرفه کووید-۱۹ مقایسه کردند. این مدل ۹۸.۵ درصد در تشخیص افراد مبتلا دقیق بود. در تشخیص افراد بدون علامت، این دقت به ۱۰۰ درصد رسید و ۸۳.۲ درصد موارد منفی را شناسایی کرد.

در ماه ژوئیه، عمران و همکارانش توانستند یک مدل هوش مصنوعی برای شناسایی سرفه‌های بدون علامت و غربال کردن این عوامل مخلوط کننده برای تشخیص سرفه‌های کووید-۱۹ از صدای سرفه برونشیت، سیاه سرفه و آسم با دقت ۹۰ درصد کامل ایجاد کنند. عمران می‌گوید: هدف ما این بود که اطمینان حاصل کنیم کسی که مبتلا به آسم است به اشتباه کرونا مثبت تشخیص داده نشود.