最新：人工智慧可以從咳嗽聲中檢測出無症狀新冠患者

2020-11-04 泥牛入河

無症狀的COVID-19患者可以傳播疾病，而沒有任何外來跡象表明他們生病了。但是，根據一項新的研究，具有敏銳的算法耳朵的新開發的AI可能能夠從人們的咳嗽聲中檢測出無症狀的病例。


麻省理工學院的一組研究人員最近開發了一種人工智慧模型，該模型可以通過偵聽健康人和感染者之間咳嗽的細微差別來檢測無症狀的COVID-19病例。研究人員現在正在臨床試驗中測試他們的AI，並且已經開始尋求食品和藥物管理局（FDA）的批准以將其用作篩選工具。

該算法基於團隊先前開發的模型，用於檢測肺炎，哮喘甚至阿爾茨海默氏病等疾病，這種記憶喪失的情況還可能導致身體其他退化，例如聲帶減弱和呼吸功能下降。

相關：冠狀病毒實時更新

的確，研究人員為了檢測COVID-19而採用了阿爾茨海默病模型。「說話和咳嗽的聲音都是由聲帶和周圍器官的影響，」共同作者Brian Subirana，在麻省理工學院的Auto-ID實驗室的科學家在一份聲明中說。「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恢復過來，包括諸如人的性別，母語甚至情緒狀態之類的東西。事實上，您的咳嗽方式中蘊含著情感。」

首先，他們創建了一個網站，健康的志願者和COVID-19的志願者都可以使用手機或計算機記錄咳嗽。他們還填寫了一項調查，詢問有關他們的診斷以及所遇到的任何症狀的問題。人們被要求記錄「強迫咳嗽」，例如當醫生告訴您用聽診器聽胸部時咳嗽時您發出的咳嗽聲。



聲明說，研究人員通過該網站收集了70,000多份強迫咳嗽樣本的單獨記錄。在這些患者中，有2660名來自COVID-19的患者，有無症狀。然後，他們使用了4,256個樣本來訓練他們的AI模型，並使用1,064個樣本來測試他們的模型，以查看它能否檢測出COVID-19患者與健康人之間的咳嗽差異。

他們發現，他們的AI能夠識別與COVID-19特有的四個特徵（也在阿爾茨海默氏算法中使用）有關的咳嗽差異-肌肉退化，聲帶強度，情緒（例如懷疑和沮喪）以及呼吸和肺功能。


AI模型正確地識別了98.5％的COVID-19患者，並正確排除了94.2％的無該病患者的COVID-19。對於無症狀的人，該模型正確地識別了100％患有COVID-19的人，並正確排除了83.2％沒有該病的人中的COVID-19。

NYU Langone Tisch醫院呼吸保健醫學主任Anthony Lubinsky博士說，這些數字「非常令人鼓舞，而且結果非常有趣」，但他並未參加這項研究。

魯賓斯基告訴《 Live Science》，但「在現實環境中，這種方法是否足夠好以推薦使用它作為篩查工具還需要進一步研究。」 他說，此外，還需要進一步研究以確保AI能夠準確評估所有年齡和種族的人的咳嗽（作者在論文中也提到了這一限制）。


相關焦點

  • MIT出奇招：AI可通過咳嗽聲來識別新冠 尤其是無症狀患者
    財聯社（上海，編輯 黃君芝）訊，隨著冬季的臨近，全球疫情再度爆發，再加之越來越多的感染者呈現「無症狀」，防疫管控工作也難上加難。不過近日，麻省理工學院（MIT）的研究團隊似乎找到了解決之法。據報導，MIT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正處於新冠肺炎感染的早期階段。
  • 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。
  • 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。而這就是導致他們在不知不覺中成為病毒傳播媒介的因素。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。
  • 憑咳嗽聲就可檢測出新冠患者？MIT研發可辨別新冠病毒AI模型
    普通的新冠病毒患者在得病之後會伴隨咳嗽、流鼻涕、發燒等症狀，他們往往較為容易追蹤和檢測；相反沒有明顯症狀的患者卻能夠隱藏在人群中很難被識別，因為他們不知道自己有沒有患病。然而 MIT 似乎找到了高效識別無症狀患者的方法。
  • 新冠檢測新方法：用咳嗽聲診斷無症狀感染者，準確率達100%
    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。」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。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。
  • 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。
  • 麻省理工研發AI模型靠分析咳嗽聲找出新冠肺炎患者
    麻省理工的科研團隊早前在生物醫藥期刊《IEEE Journal of Engineering in Medicine and Biology》發布文章，表示開發了一個可以靠咳聲，找出新冠肺炎患者的人工智慧模型，只要集成到手機程序或智能揚聲器，就能夠非常簡單地進行測試。
  • 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！
  • 新AI工具「聽」咳嗽聲鑑別新冠肺炎
    （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。目前他們正對這一AI工具開展臨床測試，也已向美國食品和藥物監督管理局（FDA）提出申請，希望能獲批作為新冠病毒篩查工具。這一AI算法基於他們先前開發的用於檢測肺炎、哮喘甚至阿爾茨海默症等疾病的模型，這些疾病會導致機體功能退化，如聲帶減弱和呼吸功能下降等。
  • AI實現通過咳嗽聲識別是否感染新冠，泰國遊客赤腳爬瀑布
    一款可通過咳嗽聲識別是否感染新冠的AI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新冠肺炎確認患有新冠肺炎的人（包括無症狀患者）提交了大約2500份錄音。通過這些咳嗽樣本和錄入的相關感染、性別、情緒數據，研究人員對該模型進行了聲音訓練。
  • MIT收集20萬咳嗽樣本，用AI辨別無症狀感染者
    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。
  • AI聽咳嗽聲鑑別新冠肺炎 準確率為98.5%
    【AI聽咳嗽聲鑑別新冠肺炎 準確率為98.5%】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。
  • 人工智慧能「聽咳嗽識新冠」？研究人員：準確率達98.5%
    英國廣播公司（BBC）8日稱，美國麻省理工學院的研究人員正試圖通過人工智慧算法識別新冠患者，「只要聽到咳嗽聲音，就能知道這個人有沒有感染新冠病毒」。報導稱，相關研究結果發布在電氣電子工程學會的《醫療生物工程》期刊上。論文共同作者之一、麻省理工學院科學家蘇比拉納表示，「感染新冠病毒之後，就算是沒有出現任何症狀，你發出的聲音也會變得不一樣。」
  • 《Nature》重磅:超過6成新冠患者無症狀,可能引起新一輪疫情爆發
    截至目前，全世界新冠肺炎確診病例已超過30萬例，隨著冠狀病毒在全球範圍內的爆發，越來越多的事實表明，不少新冠肺炎患者本身無症狀，或僅有輕微症狀，但是他們卻能夠將病毒傳染給他人。現在，全世界的科研團隊正在努力解開這個重要的流行病學難題——感染者中到底有多少比例屬於可傳染的輕微症狀或無症狀患者。
  • AI辨別無症狀感染者，效果顯著
    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。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。
  • 新冠患者復陽會怎樣?血清IgG、IgM檢測結果如何解讀
    國家衛健委最新公布的第七版新冠肺炎診療方案提出，病原學檢查中，檢測下呼吸道標本（痰或氣道抽取物）更加準確。出院標準中也增加了「痰、鼻咽拭子等」呼吸道標本核酸檢測連續兩次陰性的內容，採樣時間至少間隔24小時。2. 間歇性排毒：可能是病人肺部炎症尚在吸收過程中，還未達到臨床痊癒，因此可能存在間歇性排毒現象，又出現陽性。
  • 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
    麻省理工的科研團隊早前在生物醫藥期刊《IEEE Journal of Engineering in Medicine and Biology》發表文章，表示開發了一個可以靠咳聲，找出新冠肺炎患者的人工智慧模型，只要整合到手機程式或智能揚聲器，就能夠非常簡單地進行測試。
  • 外媒：科學家研發人工智慧技術 預測新冠患者是否需進ICU
    據埃菲社7月7日報導，西班牙龐培法布拉大學和巴塞隆納全球衛生研究所的科學家利用國際商業機器公司（IBM）的技術開發了一種人工智慧模塊，以預測新冠肺炎患者是否會出現嚴重的呼吸衰竭並需要進入重症監護室（ICU）接受治療。專門從事呼吸系統疾病和肺病學研究的生物工程師和流行病學家正在從事該項目的研究。他們希望該模塊能夠在幾秒鐘內檢測出預示新冠肺炎發展的早期信號。
  • 外媒:科學家研發人工智慧技術 預測新冠患者是否需進ICU
    參考消息網7月8日報導據埃菲社7月7日報導，西班牙龐培法布拉大學和巴塞隆納全球衛生研究所的科學家利用國際商業機器公司（IBM）的技術開發了一種人工智慧模塊，以預測新冠肺炎患者是否會出現嚴重的呼吸衰竭並需要進入重症監護室（ICU）接受治療。
  • 歐洲新冠病毒進化，美國無症狀新冠持續105天，研究曝光
    研究團隊報導了一例特殊的新冠病例：一名患有白血病的免疫功能低下的女性感染新冠病毒至少105天，至少70天排毒都有潛在傳染性，而且始終保持無症狀。此前有研究顯示，大多數SARS-CoV-2感染患者在大約8天內表現出比較強的傳染性，但人與人之間存在很大的差異，尤其免疫力低下人群或有不同表現。