AI又立下一功，麻省理工大學開發通過咳嗽判別新冠的預警系統

大家都知道新冠病毒現在已經橫行無忌地在全世界傳播開來，頂級強國美利堅束手無策，老牌強國歐洲基本舉手投降（美其名曰集體免疫）。論毒性遠不如伊波拉甚至不如2003年的非典病毒，但是論傳染力幾乎甩他倆幾條街，其中最牛叉的無症狀傳播是大流行的重要原因。假如一個沒有症狀的「正常人」站在你面前，誰能告訴他應該隔離還是進行測試呢？這個大大加深了人類快速判斷是否被感染的難度，嚴重阻礙了流行病學研究。傳統的核酸檢測儘管速度已經可以縮短到兩個小時，但是仍然無法滿足人們在人口流動密集的地方（機場，火車站、港口等）進行安全-高效的檢疫，現在這個難題似乎有了解決方案。

近期國外媒體報導了麻省理工學院的研究發現，咳嗽聲中隱藏的一種模式巧妙地但可靠地將一個人標記為可能處於感染的早期階段，它可以為該病毒提供急需的預警系統。正如醫生多年以來所知道的經驗知識：不同疾病的咳嗽聲音可能非常明顯。現在通過已經建立的AI模型來檢測肺炎，哮喘甚至神經肌肉疾病等疾病，所有這些疾病都會改變人們以不同方式咳嗽的方式。在新冠病毒大流行之前，研究人員Brian Subirana已經表明咳嗽甚至可以幫助預測老年痴呆症-反映了一周前發表的IBM研究結果。最近Subirana認為，如果AI能夠從這麼少的角度講這麼多東西，那麼新冠病毒也許也可能會令人懷疑。實際上，他並不是第一個這樣認為的人。

NWU研究人員開發出一種可佩戴喉嚨的可穿戴設備，可為新冠病毒患者提供預警

他和他的團隊在這裡建立了一個人們可以咳嗽的場所，最終組建了「我們所知道的最大的咳嗽研究數據集」。數千個樣本用於訓練AI模型，並將其記錄在IEEE開放式期刊中。該模型似乎已經檢測到聲音強度，情緒，肺和呼吸功能以及肌肉退化的細微模式，以至於無症狀的新冠病毒攜帶者和有症狀的攜帶者能夠識別出100％的咳嗽和98.5％的症狀，分別為83％和94％的特異性，這意味著它沒有大量的假陽性或陰性。

Subirana說：「我們認為這表明即使您沒有症狀，當您被新冠病毒感染時，您產生聲音的方式也會改變。」 但是他警告說，儘管該系統擅長檢測不健康的咳嗽，但不應將其用作有症狀但不確定根本原因的人的診斷工具。他在一封電子郵件中寫道：「該工具正在檢測功能，以區分具有新冠病毒的主題和沒有新冠病毒的主題，以前的研究表明，您也可以選擇其他條件。可以設計一種可以區分許多條件的系統，但我們的重點是從其餘條件中挑選出新冠病毒。」

對於那裡的統計人員而言，成功率之高令人難以置信，可能會引起一些危險。AI機器學習模型在很多方面都很出色，但是100％並不是很多，而且當您開始考慮其他方式時，它可能是偶然產生的。毫無疑問這些發現將需要在其他數據集上進行驗證並由其他研究人員進行驗證，但也有可能在新冠病毒引起的咳嗽中僅存在可靠的證據，表明計算機聽覺系統可以很容易地聽到。該小組正在與多家醫院合作，以建立更多樣化的數據集，但是，如果可以獲得FDA的批准，該團隊還將與一家私人公司合作，共同開發一個應用程式用以分發該工具以更廣泛地使用。真心希望這個APP儘快開發推廣出來，讓更多的人去驗證並採集大量的數據去優化監測結果。