新冠檢測新方法:MIT用咳嗽聲診斷無症狀感染者,準確率達100%

2020-12-23 手機鳳凰網

有數據顯示,世界50%新冠(COVID-19)病例由無症狀感染者傳染。

無發燒、乏力、頭暈等明顯特徵的無症狀感染者,已在不知不覺中成為新冠病毒傳播和復發的最大威脅。

近日,麻省理工學院(MIT)研究團隊聲稱其利用AI開發了一種無症狀感染檢測新方法。有意思的是,該方法利用的是人的生物特徵——咳嗽聲。

他們發現,無症狀感染者發出的咳嗽聲與健康人存在不同,其中細微的差別人耳很難分辨,但AI可以。

在最近發表在《IEEE醫學與生物工程學雜誌》上的一篇論文中,MIT研究人員明確表示,他們已經開發出一種能夠識別COVID-19咳嗽聲的AI。該AI算法已通過迄今為止最大的咳嗽數據集測試,無症狀感染者的診斷準確率可達到100%。

目前,MIT研究團隊已經與一家企業展開合作,計劃將該AI算法整合到手機應用程式中。項目負責人布萊恩·蘇比拉納(Brian Subirana)表示:

如果每個人在去教室,工廠或餐廳之前都使用該AI診斷工具,將會有效減少新冠大流行的傳播。」

據悉,該項研究成果也同步提交到了FDA和其他監管機構,如獲得批准,COVID-19咳嗽應用程式將免費用於大規模人群篩查。

利用「咳嗽聲」診斷疾病

人耳能夠分辨出五到十種不同的咳嗽特徵,但通過機器學習和信號處理,AI能夠識別300多種。

在醫學領域,AI識別「咳嗽聲」已用於多項疾病檢測任務。比AI檢測肺炎,哮喘或者神經肌肉疾病等。

如Subirana所說,「說話和咳嗽的聲音都受到聲帶和周圍器官的影響。 這也意味著,我們可以從聲音中獲取有關體內器官的信息,而AI恰好可以做到這一點。」

因此,在疫情爆發之前,MIT研究團隊已經在嘗試利用AI辨「音」來診斷阿爾茨海默症(AD)早期的患者。

需要注意的是,正是通過這項研究,研究人員發現了識別COVID-19無症狀感染者的可能性,並提供了AI算法支持。

阿爾茨海默病是一種神經系統退行性疾病,不僅與記憶力衰退有關,還與聲帶減弱等神經肌肉退化有關。因此,研究人員開發了一種通用的機器學習算法(或稱為ResNet50的神經網絡),來區分與不同聲帶強度所產生的聲音。

具體來說,他們訓練了三個神經網絡模型。第一個神經網絡代表一個人聲帶的強弱,利用有聲讀物數據集(含1000h語音)進行訓練;第二神經網絡用來區分言語中的情緒狀態。據了解,AD患者的神經功能衰退較一般人更為普遍,經常會表現出沮喪、悲傷等負面情緒。因此,研究人員利用演員表達不同情緒的大型語音數據集,開發了情緒語音分類器。第三個神經網絡在自建的咳嗽數據集上訓練,用來辨別肺和呼吸功能的變化。

最後將三種模型結合起來,形成了一個用於檢測肌肉退化的AI框架。研究人員經過檢測發現,基於聲帶強度、情緒、肺和呼吸功能等生物特徵,該AI能夠準確識別出AD患者。

基於此,當冠狀大流行開始蔓延後,Subirana開始思考是否可以利用AI診斷COVID-19,因為已經有證據表明,新冠感染患者會發生一些類似的神經系統症狀,比如,暫時性神經肌肉損傷。

後來,Subirana在COVID-19咳嗽數據集上訓練了阿爾茨海默氏病AI模型,結果取得了驚人的發現。該AI模型不僅可以高精度識別出新冠感染患者,而且無症狀感染者的準確率更高。

無症狀感染者識別率100%

AI模型和數據集是決定疾病診斷準確率的兩項關鍵指標。

今年4月,MIT研究人員建立了一個公開咳嗽數據收集網站,允許所有人通過網絡瀏覽器、手機或者筆記本電腦等設備自願提交咳嗽錄音。

網站地址:https://opensigma.mit.edu/

截止測試前,該網站收集了超過7萬個錄音,每段錄音中有幾次咳嗽,約有20萬份咳嗽音頻樣本。其中,2500多個樣本是由已經確診患者提交的,包括那些無症狀感染者。

Subirana稱:「在醫療領域,這是迄今為止最大的咳嗽數據集」。

實驗中,研究人員使用2500個感染患者的音頻樣本,以及另外2500個隨機樣本,對AI模型進行訓練。然後利用其餘的1000張錄音作為檢測數據,來查看它是否能準確地辨別出COVID-19患者和健康人的咳嗽。

在模型方面,採用的仍然是阿爾茨海默氏症AI模型,並且同樣以聲帶強度、情緒、肺和呼吸四項生物特徵作為診斷COVID-19感染患者的標準。

在該模型內部,咳嗽音頻通過梅爾頻率倒譜係數(Mel Frequency Cepstrum Coefficient)進行轉換,並輸入到基於卷積神經網絡(CNN)的AI架構中,如上文所說,該AI架構由生物特徵層和3個並行的ResNet50神經網絡構成。最終會輸出二進位形式的預篩查診斷結果。

基於以上兩個方面,研究人員對其進行了測試,結果發現AI模型識別COVID-19患者的準確率為98.5%,無症狀感染者的準確率為100%。

論文地址:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9208795

這一結果表明,COVID-19的患者即時沒有明顯症狀,其聲音也會發生明顯的變化。同時,該AI模型可以通過這一變化有效地識別出無症狀感染者。

據了解,MIT的團隊已經在考慮與相關企業合作將該AI模型整合到手機應用程式中,以便人們可以方便地對疾病風險進行初步評估。

與此同時,研究人員也開始與世界各地的多家醫院合作,以收集更大,更多樣化的咳嗽記錄集,這將有助於訓練和增強AI模型的準確性。

不過,需要強調的是,該AI模型的優勢不在於檢測有症狀的新冠患者。

這一點Subirana在論文中也明確強調。他說,不管他們的症狀是由COVID-19還是其他症狀(如流感或哮喘)引起的。該工具的優勢在於它能夠分辨無症狀感染者的咳嗽和健康人的咳嗽。

相關焦點

  • 新冠檢測新方法:MIT用咳嗽聲診斷無症狀感染者,準確率達100%!
    有數據顯示,世界50%新冠(COVID-19)病例由無症狀感染者傳染。 無發燒、乏力、頭暈等明顯特徵的無症狀感染者,已在不知不覺中成為新冠病毒傳播和復發的最大威脅。 近日,麻省理工學院(MIT)研究團隊聲稱其利用AI開發了一種無症狀感染檢測新方法。
  • 美國麻省理工學院開發新冠檢測AI:聽咳嗽聲識別無症狀感染者
    華輿訊據美國僑報報導 新冠肺炎疫情之下,有大量無症狀感染者不知不覺地傳播病毒。為了檢測出這一部分人群,麻省理工學院(MIT)的研究人員開發了一款人工智慧(AI)工具,可通過咳嗽聲的細微差別發現無症狀感染者。目前,研究者正對這一AI工具進行臨床測試,並向美國食品和藥物監督管理局(FDA)提出申請,希望能用來篩查無症狀感染者。
  • AI聽咳嗽聲診斷新冠肺炎?沒錯,準確率竟高達98.5%
    摘要麻省理工學院研究人員的AI模型通過偵聽咳嗽聲可用來檢測和診斷新冠肺炎,尤其是適用於識別潛在的無症狀感染者,如獲FDA批准將極大地降低新冠肺炎的傳播。目前新冠肺炎的診斷需結合流行病學史、臨床表現和輔助檢查,確診主要依靠核酸檢測,現在最快可以做到1小時左右出結果。那有沒有更快的有效檢測方法用於新冠肺炎診斷呢?尤其是那些無症狀感染者,他們並沒有表現出明顯的臨床症狀,很難進行核酸檢測,並有可能在不知不覺中傳染給其他人。
  • 麻省理工學院使用AI通過咳嗽聲診斷新冠
    日前,來自美國麻省理工學院的研究人員在《IEEE 醫學與生物學工程學雜誌》上發表了一篇論文,論文中稱,他們已經研發出了可以識別新冠肺炎患者咳嗽聲的AI模型。
  • MIT收集 20 萬咳嗽聲音樣本,用 AI 辨別無症狀感染者,準確率 100%
    10 月 25 日,喀什地區疏附縣 24 日發現 1 例新冠肺炎無症狀感染者後,新疆迅速對其密切接觸者、密切接觸者的接觸者進行核酸檢測,截至 10 月 25 日 14 時,檢測出 137 人呈陽性,經專家診斷,均為無症狀感染者。
  • 新AI工具「聽」咳嗽聲鑑別新冠肺炎
    科技日報北京11月4日電 (記者劉霞)據美國趣味科學網站3日報導,麻省理工學院(MIT)研究人員稱,他們發明了一款新人工智慧模型,可以通過傾聽健康人和新冠肺炎患者之間咳嗽的細微差別,發現新冠肺炎無症狀病例。
  • 我市報告1例境外輸入性新冠病毒無症狀感染者
    2020年12月9日0-24時,我市報告1例境外輸入性新冠病毒無症狀感染者,為12月7日乘坐巴基斯坦伊斯蘭瑪巴德CZ8140航班飛抵天河機場的乘客。新增1例境外輸入性新冠病毒無症狀感染者情況:男性,34歲,巴基斯坦籍,經檢疫採樣,核酸檢測結果為陽性,轉至市金銀潭醫院隔離診療。新冠病毒血清學抗體IgM陽性;血常規:白細胞計數正常;胸部CT:未見典型病毒性肺炎病變。
  • 逆行者點新冠:病毒無症狀感染
    最近無症狀感染作為一個熱點引起了大家的關注,我們看一下一般的病毒感染有什麼特點,進一步去認識無症狀感染。實際上新冠病毒可以引起各種疾病譜,而且臨床上有一些預警指標,可以預測這些病人是不是會加重轉成重症或者危重症。在洪湖的時候南方醫院的黨委書記朱書記親自帶隊,希望在洪湖建立一個管理新冠病毒感染的洪湖模式。這個模式不光關注到醫院病人的救治,也要關注到社區的篩查。
  • 大連新增2例新冠肺炎無症狀感染者
    來源:新華網新華社大連12月17日電(記者蔡擁軍、張博群)大連市17日新增2例新冠肺炎無症狀感染者,2人與之前4例無症狀感染者來自同一公司。大連市統籌推進新冠肺炎疫情防控和經濟社會發展工作總指揮部17日發布消息,大連市在對集中隔離醫學觀察人員進一步深入排查過程中發現2人核酸檢測結果呈陽性,經診斷為新冠肺炎無症狀感染者。這2人與此前4例均為大連浩涵勞務公司搬運工人,目前已轉運至遼寧省新冠肺炎集中救治大連中心隔離治療。
  • 人工智慧聽咳嗽聲可分辨新冠無症狀感染
    新冠病毒無症狀感染者可以傳播病毒,自己也沒有表現出發熱症狀。Live Science網站報導了麻省理工學院一項新發明可以解決這個難題:賦予人工智慧的「電子耳」可聽出人們的咳嗽聲中的細微差別,從而發現無症狀感染病例。
  • 新冠抗體檢測準確率可能僅有50%!為什麼?怎麼破?|疫情觀察
    核酸檢測或抗原檢測可以診斷被測者是否正在感染病毒,而抗體檢測可以幫助確定被測者是否曾經感染病毒,即使這位被測者從未出現過症狀或者是自己都沒有當回事的輕症。因此,在抗體檢測中,只能檢測到IgM,檢測不到IgG的情況很少見。但是,能測到這兩種抗體的時間窗有多長,還不得而知。圖1:新冠病毒感染前後,不同檢測方法可能適用的時間段[2]。
  • 量子共振檢測儀,無創檢測新冠病毒,準確率100%?
    流傳內容:4月24日,漢口華中國際廣場物業負責人向業主們推薦了一種新冠檢測新技術,量子共振檢測儀,30秒內無創檢測新冠病毒,準確率達100%,收費大約每人150元。鑑定結果:謠言要點:曾參與救治多名新冠病毒肺炎患者的武漢市中醫醫院漢陽院區急診科醫療組長喻燦博士認為,目前全球檢測新冠病毒都是以檢測核酸為主,而檢測核酸就必須通過檢測人體的體液實現,由於核酸片段只存在於人體體液組織之內
  • 新冠病毒還能用語音識別?AI模型「聽」咳嗽聲判斷是否感染
    智東西4月29日消息,近日,麻省理工學院Auto-ID Labs研究小組研發了一個基於語音的新冠肺炎AI檢測工具——Sigma。Sigma可以「聽」出健康人和新冠肺炎患者咳嗽聲的差別,從而區分出用戶是否感染了COVID-19。
  • 準確率達96% 達摩院最新AI算法將輔助新冠肺炎臨床診斷
    △AI自動識別新冠肺炎病例CT胸片記者從阿里雲方面獲悉,達摩院聯合阿里雲針對新冠肺炎臨床診斷研發了一套全新的AI診斷技術,可在20秒內對疑似案例的CT影像進行判讀,分析結果準確率達到96%。被稱為鄭州版「小湯山醫院」的鄭州岐伯山醫院將於2月16日起正式收治新冠肺炎確診患者,目前已引入該算法輔助臨床診斷。目前,除核酸檢測外,CT影像臨床診斷結果也可作為新冠肺炎病例判斷的標準。據介紹,新冠肺炎患者的CT胸片的影像特徵表現為單肺或雙肺多發、斑片狀或節段性磨玻璃密度影等細微變化。
  • 德國權威病毒學家:無症狀感染者可能已獲得免疫,大規模抗體檢測很...
    德國權威病毒學家:無症狀感染者可能已獲得免疫,大規模抗體檢測很重要  Evelyn Zhang • 2020-03-30
  • 新冠病毒無症狀感染者的傳播力到底怎麼樣?研究終於有了結果!
    最近,無症狀新冠病毒感染者成為了大家一個非常關注的問題。由於無症狀新冠病毒感染者沒有症狀,並且可能具有傳染性,對此,很多人感到非常的擔憂。 新冠無症狀感染者的傳播力大嗎?
  • 土耳其一男子感染新冠,並無其他症狀
    據每日郵報18日報導,一名49歲的土耳其男子被診斷感染新冠,但除了報告「蛋」疼以外,並無其他症狀表現。醫生們表示,這可能是新冠肺炎的另一個罕見症狀。因此,當男士們出現莫名其妙的下身疼痛時,應警惕是否感染了新冠肺炎。
  • 大連市17日新增兩例新冠肺炎無症狀感染者
    2020年12月17日,在對集中隔離醫學觀察人員進一步深入排查過程中,發現兩人核酸檢測結果呈陽性,均為浩涵勞務公司搬運工人,經診斷均為新冠肺炎無症狀感染者,均已轉運至省集中救治大連中心隔離治療,正在對兩人的密切接觸者、密切接觸者的密切接觸者進行全力排查併集中隔離醫學觀察
  • 「直播實錄」侯金林|逆行者點新冠:病毒無症狀感染
    我們都知道我們國家的新冠病毒肺炎防控已經取得了一些決定性的勝利,但是現在又出現了一些新情況,就是有一些無症狀感染者,那麼這些無症狀感染者是否會導致疫情的復發?如何發現無症狀感染者?以及如何防控和管理以減少他們的傳播?以下分享的就是侯金林教授的演講全文。
  • 你需要做核酸檢測嗎?準確率多高?有效期多長?一文讀懂
    新冠肺炎疫情發生以來,「核酸檢測」這一相對生僻的醫學術語已經成了大家日常談論的高頻詞。那麼為什麼新冠病毒的檢測需要用咽拭子核酸檢測?這種檢測方法的準確率有多高?北京佑安醫院感染中心二科副主任醫師李侗曾來為您詳細解讀。為什麼用核酸檢測?