MIT收集20萬咳嗽樣本，用AI辨別無症狀感染者

2020-11-10 大數據文摘

大數據文摘作品

來源：mit.edu

編譯：miggy

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。


後疫情時代，無症狀感染者正成為疫情復發最大的威脅。沒有任何胸悶發熱症狀，你和同伴可能很難區分是否感染了新冠。


但人工智慧可以，只要你給TA聽聽你的咳嗽聲。

在最近發表在《IEEE醫學與生物學工程學雜誌》上的一篇論文中，麻省理工學院的研究人員表示，他們已經開發出可以識別COVID-19感染者咳嗽聲的AI。


論文地址：

https://www.embs.org/ojemb/articles/covid-19-artificial-intelligence-diagnosis-using-only-cough-recordings/


據論文顯示，研究小組開發了一種AI模型，該模型通過分析你的咳嗽錄音，可以將無症狀感染者與健康的人區分開來。所有人都可以通過網絡瀏覽器以及手機和筆記本電腦等設備自願提交的錄音。

研究人員稱，該模型由他們一直以來進行的「咳嗽檢測阿爾茲海默早期症狀」演變而來，疫情以來，研究者通過「網絡眾籌」的方式，已經在全球搜集了20多萬的咳嗽樣本，建立了有史以來最大的「咳嗽資料庫」。


通過這些咳嗽樣本和錄入的相關感染、性別、情緒數據，對該模型進行了聲音訓練。


目前，該模型識別出確診為Covid-19的人的咳嗽的準確率為98.5％，其中，利用咳嗽聲識別無症狀感染者的準確度高達100％。

麻省理工的研究小組正在努力將該模型整合到一個用戶友好的應用程式中，如果獲得FDA的批准並被大規模採用，該程序將有可能成為一種免費、便捷、無創的預篩查工具，以識別可能對Covid-19無症狀的人。


用戶可以每天登錄，錄下咳嗽聲到他們的手機中，並立即獲得有關他們是否可能被感染的信息。

麻省理工學院自動識別實驗室的研究科學家布萊恩·蘇比拉納（Brian Subirana）與麻省理工學院自動ID實驗室的Jordi Laguarta和Ferran Hueto聯合完成了這項研究。

從阿茲海默症檢測到新冠檢測

其實這項算法並非為新冠定製。


早在疫情爆發之前，這個研究小組已經在咳嗽的手機錄音中訓練算法，以準確診斷肺炎和哮喘等疾病。麻省理工學院的團隊正在以類似的方式開發AI模型，以分析強迫咳嗽記錄，以查看它們是否可以檢測出阿爾茨海默氏症的體徵，這種疾病不僅與記憶力下降有關，而且還與神經肌肉退化（如聲帶減弱）有關。

他們首先訓練了一種通用的機器學習算法或稱為ResNet50的神經網絡，以區分與不同聲帶強度相關的聲音。研究表明，聲音「 mmmm」的質量可以表明一個人的聲帶有多弱。Subirana在包含了1000多個小時語音的有聲讀物數據集上訓練了神經網絡，以從「 the」和「 then」等其他詞中挑選出「 them」一詞。

該小組訓練了第二個神經網絡來區分言語中明顯的情緒狀態，因為已證明阿爾茨海默氏症患者以及神經系統較弱的人表現出某些情緒，例如沮喪或平淡無奇，比他們表達快樂還是冷靜的情緒更高。


研究人員通過在大型演員數據集上訓練情緒情感分類器（例如中性，平靜，快樂和悲傷）來開發情緒語音分類器模型。

然後，研究人員在咳嗽資料庫上訓練了第三個神經網絡，以辨別肺和呼吸功能的變化。

最後，該團隊將這三個模型結合在一起，併疊加了一種算法來檢測肌肉退化。該算法通過實質上模擬音頻蒙版或噪聲層，並區分強咳嗽（通過噪聲可以聽到的咳嗽）與較弱的咳嗽，來做到這一點。

通過新的AI框架，該團隊提供了包括阿爾茨海默氏症患者在內的音頻記錄，發現與現有模型相比，它可以更好地識別阿爾茨海默氏症的樣本。


結果表明，聲帶強度、情緒、肺和呼吸功能以及肌肉退化是診斷該疾病的有效生物標誌物。

當冠狀病毒大流行開始蔓延時，Subirana想知道他們針對阿爾茨海默氏症的AI框架是否也可以用於診斷Covid-19，因為越來越多的證據表明感染的患者會經歷一些類似的神經系統症狀，例如暫時性神經肌肉損傷。

「說話和咳嗽的聲音都受到聲帶和周圍器官的影響。這意味著當講話時，部分講話就像是咳嗽，反之亦然。這也意味著我們很容易從流利的言語中衍生出一些東西，人工智慧可以簡單地從咳嗽中發現一些信息，包括人的性別、母語甚至情緒狀態。實際上，您的咳嗽中蘊含著情感。」 Subirana說。


「所以我們認為，為什麼我們不嘗試探究這些阿茲海默症的生物標誌物（以及看它們是否與Covid相關）」。

20萬+咳嗽樣本，已知最大的咳嗽研究數據集


在4月，研究小組著手收集儘可能多的咳嗽記錄，包括來自Covid-19患者的咳嗽記錄。


他們建立了一個網站，人們可以通過手機或其他支持網絡的設備記錄一系列咳嗽。參與者還填寫了他們正在經歷的症狀的調查表，無論他們是否患有Covid-19，是否通過官方測試，通過醫生對其症狀的評估或是否經過自我診斷而得到了診斷。他們還可以記錄自己的性別，地理位置和母語。

迄今為止，研究人員已經收集了70,000多條錄音，每條錄音包含多個咳嗽聲，總計約200,000咳嗽音頻樣本，Subirana說這是「已知最大的咳嗽研究數據集」。確認患有Covid-19的人（包括無症狀的人）提交了大約2500份錄音。

該團隊使用了2,500個與Covid相關的記錄，以及他們從集合中隨機選擇的另外2500個記錄來平衡數據集。他們使用了4,000個樣本來訓練AI模型。然後將其餘的1,000個記錄輸入模型中，以查看它能否準確區分出Covid患者和健康個體的咳嗽。

令人驚訝的是，正如研究人員在論文中所寫的那樣，他們的努力揭示了「阿爾茨海默氏症和新冠咳嗽算法之間驚人的相似之處」。

他們發現，在原本用於阿爾茨海默氏症的AI框架內無需進行大量調整，他們就能找到針對Covid-19的四種生物標誌物的模式-聲帶強度、情緒、肺和呼吸功能以及肌肉退化。該模型從Covid-19確診的人中識別出98.5％的咳嗽，並準確地檢測到了所有無症狀的咳嗽。

Subirana說：「我們認為這表明，即使您沒有症狀，當您擁有Covid時，您產生聲音的方式也會改變。」

100%檢測到無症狀感染者

Subirana強調，這種AI模型的優勢不在於檢測有症狀的新冠患者，不管他們的症狀是由於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新冠感染者的咳嗽和健康的咳嗽。

MIT的團隊正在與一家公司合作，根據他們的AI模型開發免費的預檢應用程式。他們還與世界各地的多家醫院合作，收集更大，更多樣化的咳嗽記錄集，這將有助於訓練和增強模型的準確性。

正如他們在論文中提出的那樣，「如果預篩查工具始終在後臺並且不斷改進，那麼泛濫症就可能成為過去。」

最終，他們設想可以將他們開發的音頻AI模型集成到智能揚聲器和其他聽音設備中，以便人們可以方便地（也許每天）對他們的疾病風險進行初步評估。

相關連結：

https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029

https://techcrunch.com/2020/10/30/cough-scrutinizing-ai-shows-major-promise-as-an-early-warning-system-for-covid-19/

https://www.engadget.com/ai-covid-19-cough-detection-from-recordings-213858299.html

相關焦點

  • 咳兩聲就能鎖定是否為感染者！AI辨別無症狀感染者，效果顯著
    >在最近發表在《IEEE醫學與生物學工程學雜誌》上的一篇論文中，麻省理工學院的研究人員表示，他們已經開發出可以識別COVID-19感染者咳嗽聲的」演變而來，疫情以來，研究者通過「網絡眾籌」的方式，已經在全球搜集了20多萬的咳嗽樣本，建立了有史以來最大的「咳嗽資料庫」
  • 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。有意思的是，該方法利用的是人的生物特徵——咳嗽聲。
  • 新冠檢測新方法：用咳嗽聲診斷無症狀感染者，準確率達100%
    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%。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。/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。
  • 識別新冠無症狀感染者，AI聽咳嗽聲就可以
    新冠病毒造成的無症狀感染者沒有乏力、發燒、呼吸短促等明顯的身體症狀，有可能在不知不覺間成為病毒的傳播者。因此，及時篩查出無症狀感染者，是防控疫情的重要一環。近日，麻省理工學院（MIT）的研究人員利用人工智慧（AI），開發了一種聽聲音識別無症狀感染者的方法。他們發現，無症狀感染者發出的咳嗽聲與健康人的並不一樣，儘管其中細微的差別很難為人耳分辨，但AI可以！
  • MIT研發可辨別新冠病毒AI模型
    MIT 提供的模型只需要一段簡單的咳嗽聲，就能檢測出受測者是否感染新冠病毒，無需依靠之前明顯的特徵。這是因為 AI 模型能夠辨別新冠病毒患者和健康人之間咳嗽聲的差異，而人耳不行、即使是專業的醫護人員。也正是這項研究，使得他們發現了識別 COVID-19 無症狀感染者的可能性，並提供了 AI 算法支持。
  • 你咳嗽一聲
    ，對於無症狀感染者的診斷準確率可達到100%。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。
  • 麻省理工開發新冠檢測AI：聽咳嗽聲識別無症狀感染者
    【僑報網綜合訊】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。
  • 無症狀感染者定義是什麼意思 全國無症狀感染者有多少人
    【國家衛生健康委：關於新型冠狀病毒無症狀感染者的防控工作答問】　　一、什麼是新型冠狀病毒無症狀感染者？　　新冠病毒無症狀感染者（以下簡稱無症狀感染者）是指無相關臨床症狀，如發熱、咳嗽、咽痛等可自我感知或可臨床識別的症狀與體徵，但呼吸道等標本新冠病毒病原學檢測陽性者。
  • 麻省理工學院：人工智慧可通過咳嗽聲識別新冠無症狀感染者
    西媒稱，麻省理工學院的研究團隊創建了一個人工智慧模型，該模型可以通過咳嗽聲識別無症狀感染者。據西班牙《先鋒報》網站11月2日報導，新冠病毒無症狀感染者沒有明顯的身體症狀，所以一般不會主動接受病毒檢測。然而，麻省理工學院的研究人員發現，可通過檢測咳嗽聲將無症狀感染者與健康人群區分開來。這些都是人耳無法察覺的細微差別，但人工智卻可以擔此重任。報導稱，研究人員利用志願者自願提交的數萬份咳嗽和語音樣本來訓練該人工智慧模型。目前該人工智慧模型已經能夠準確識別98.5%的新冠肺炎患者的咳嗽聲，其中包括100%的無症狀感染者的咳嗽聲。
  • 1541例「無症狀感染者」背後:定義更迭和統計難題
    這一天，離「無症狀感染者」不納入確診統計過去了兩個多月。湖南省的研究團隊認為無症狀感染者的隱匿性高，無法得到及時發現和規範管理，實際上的數量有可能被低估。再來看看國外的無症狀統計結果：義大利的確診病例有44%無症狀，韓國是20%，日本是0.06%。冰島是全球每百萬人口檢測數最多的國家，大約一半的確診病例都是無症狀感染者。
  • MIT黑科技：通過手機記錄的咳嗽數據檢測是否感染新冠病毒
    這次的新冠狀病毒雖然沒有2002年的SARS破壞力那麼強悍，但其可怕之處是長時間的無症狀潛伏，使得被感染者在不知情的情況下，將病毒散播出去。如果沒有強有力的防疫手段，病毒的傳播幾乎難以控制。而防止病毒大規模傳播的最核心措施就是對無症狀感染者的檢測，對這類人群做好適當的隔離觀察，是避免再次出現大規模感染的有效方法。目前為止，核酸檢測是被廣泛應用的發現措施，除此之外還沒有特別好的低成本且快速的檢測方式。
  • 河北省新增39例本地無症狀感染者,來看什麼是無症狀感染者
    通過媒體報導了解到河北一日時間裡新增了39例本地無症狀感染者，這一情況引起了網友們的熱議。隨後很多民眾朋友們疑問，河北近日以來為何頻頻新增無症狀感染者？究竟什麼是無症狀感染者？面對大眾們對無症狀感染者的疑惑，請一起來看一下下面及疫情情況的介紹和無症狀感染者介紹吧。1. 7 號 0—24時，河北省新增39例本地無症狀感染者，其中石家莊市報告35例，邢臺市報告4例。
  • 【科學防控】我們應該怎樣看待「無症狀感染者」的問題?
    無症狀感染者有2種情形：一是經14天的隔離醫學觀察，均無任何發熱、咳嗽、咽痛等可自我感知或可臨床識別症狀與體徵；二是處於潛伏期的「無症狀感染」狀態。一部分無症狀感染者會發展成為確診病例，另外有一部分無症狀感染者始終無臨床症狀。02無症狀感染者是如何被發現的？
  • 無症狀感染者猛增,你身邊有多少?
    這個原因就是「無症狀感染者」，一個正在引發全球新一輪大恐慌的名詞。我國政府也決定從 4 月 1 日開始，向全球通報無症狀感染者的數據。 那到底什麼是「無症狀感染者」？ 為何這個名詞會一夜之間登上國際熱搜？
  • 武漢無症狀感染者「全陰性」意味什麼
    央視網消息：湖北省武漢市從5月14日到6月1日進行了大範圍集中核酸檢測排查，從中發現300名無症狀感染者，這些感染者的痰液和咽拭子樣本，經中科院武漢病毒所病毒分離培養，300人份樣本均未培養出「活病毒」。
  • MIT團隊研製咳嗽分析AI 或有助於COVID-19早期預警
    由於無症狀感染者的存在，導致 COVID-19 的檢測和管控工作變得相當困難。不過麻省理工學院的一支研究團隊，正試圖通過分析咳嗽中隱含的獨特模式，來可靠預測某人是否處於 COVID-19 感染的早期階段。
  • 無症狀感染者,怎麼辨識它?
    現在我們湖北病人都已經清零了，通過現在官方的數據報導，還有幾十例的無症狀感染者，還在不停的增加。那麼作為我們一個普通人，如何識別身邊的無症狀感染者？如何來保護自己這個問題顯得尤為關鍵，作為無症狀感染者病毒，它是攜帶者，但是對他身體是沒有危害的。
  • 麻省理工研發AI模型，靠分析咳嗽聲找出新冠患者｜硬核科技
    麻省理工收集了約 20 萬個，來自 7 萬名志願者的咳嗽聲，他們需要以手機錄下乾咳聲，並且填寫有關症狀的調查，是否有感染新冠肺炎和其他詳情。結果團隊選取了 2,500 確診感染的志願者的咳嗽聲樣本，配合另外 2,500 個隨機的樣本，去訓練和測試人工智慧模型。該人工智慧模型在辨認新冠肺炎確診者的咳嗽聲時，準確度為 98.5%；而無症狀咳嗽者的準確度更加是 100%。
  • 麻省理工研發AI模型靠分析咳嗽聲找出新冠肺炎患者
    麻省理工收集了約20萬個，來自7萬名志願者的咳嗽聲，他們需要以手機錄下乾咳聲，並且填寫有關症狀的調查，是否有感染新冠肺炎和其他詳情。結果團隊選取了2,500確診感染的志願者的咳嗽聲樣本，配合另外2,500個隨機的樣本，去訓練和測試人工智慧模型。該人工智慧模型在辨認新冠肺炎確診者的咳嗽聲時，準確度為98.5%；而無症狀咳嗽者的準確度更加是100%。
  • 無症狀感染者傳染性有多大?如何防範?權威解答來了
    隨著新冠肺炎疫情在全球的持續發展，越來越多的無症狀感染者進入大眾視線和生活，成為大家關注的焦點。那到底什麼是無症狀感染者，無症狀感染者的傳染性到底有多大，無症狀感染者如何被發現，我們該如何防範無症狀感染者可能帶來的傳播……記者就此採訪了河北省疾控中心專家。