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%

2020-11-05 雷鋒網

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。

引用連結：

https://spectrum.ieee.org/the-human-os/artificial-intelligence/medical-ai/ai-recognizes-covid-19-in-the-sound-of-a-cough

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

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

雷鋒網雷鋒網雷鋒網

相關焦點

  • 新冠檢測新方法：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。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。
  • 準確率超98%！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！
  • 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。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。
  • 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
    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。早在疫情爆發之前，MIT 研究團隊已經在嘗試利用 AI 分辨聲音來診斷阿爾茨海默症（AD）早期的患者。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。
  • MIT收集20萬咳嗽樣本，用AI辨別無症狀感染者
    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。
  • 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。
  • 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。」
  • 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
    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。
  • 美國首次批准用唾液檢測新冠! 準確率100%!
    內容提要美國首次批准使用唾液檢測的方式檢測新冠病毒。這種方法可以有效擴大測試範圍，並降低醫護人員感染機率。據已經進行的對比測試結果顯示，準確率達到100%。4月13日，華盛頓大學宣布：所有入住港景（Harborview）醫療中心和華盛頓大學醫療中心的新病人都將接受新冠病毒的檢測。這表明，隨著測試方式的增加以及效率的提高，美國或即將展開大範圍的新冠病毒測試。
  • 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。
  • 新AI工具「聽」咳嗽聲鑑別新冠肺炎
    2020-11-05 07:40:59 來源：科技日報新AI工具「聽」咳嗽聲鑑別新冠肺炎有望作為篩查工具 或助遏制疫情科技日報北京11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。
  • 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感染者咳嗽聲的AI。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。
  • 公衛·速遞|唾液核酸檢測可用於大規模篩查新冠病毒無症狀感染者
    公衛·速遞｜唾液核酸檢測可用於大規模篩查新冠病毒無症狀感染者 2020-10-07 15:23 來源：澎湃新聞·澎湃號·政務
  • 麻省理工推出新冠肺炎語音診斷軟體
    智東西（公眾號：zhidxcom） 編 | 林卓瑋智東西11月2日消息，據外媒The Register報導，麻省理工一科研團隊推出可通過咳嗽聲診斷新冠肺炎的軟體，準確率聲稱高達98.5%同時，它還能在不與病毒接觸的前提下，通過分析患者的聲音特徵，從而迅速、便捷地進行病毒檢測。這項技術一旦獲得監管機構審批，將大幅簡化病毒檢測流程。受試者只需對著麥克風咳嗽，軟體便會直接顯示測試結果，並給出相關診斷建議。
  • 張文宏：50%的新冠病例由無症狀感染者傳播
    復旦大學附屬華山醫院感染科主任張文宏教授在第三屆頂尖科學家論壇上的一場全球抗疫主題對話中表示：「數據分析顯示， 50%的新冠病例是由無症狀感染者傳播的，所以我們要堅持做檢測，檢測到無症狀感染者後，必須要立刻做隔離，否則檢測也沒有意義。」
  • 張文宏：50％的新冠病例由無症狀感染者傳播
    復旦大學附屬華山醫院感染科主任張文宏教授在第三屆頂尖科學家論壇上的一場全球抗疫主題對話中表示：「數據分析顯示， 50%的新冠病例是由無症狀感染者傳播的，所以我們要堅持做檢測，檢測到無症狀感染者後，必須要立刻做隔離，否則檢測也沒有意義。」
  • 張文宏：50%新冠病例由無症狀感染者傳播
    復旦大學附屬華山醫院感染科主任張文宏教授在第三屆頂尖科學家論壇上的一場全球抗疫主題對話中表示：「數據分析顯示， 50%的新冠病例是由無症狀感染者傳播的，所以我們要堅持做檢測，檢測到無症狀感染者後，必須要立刻做隔離，否則檢測也沒有意義。」
  • 科學家找到了10秒內檢測新冠病毒感染的方法
    據外媒BGR報導，新冠病毒的檢測是利用PCR檢測來分析鼻拭子的內容，這使得篩查活動在某些情況下變得很麻煩。研究人員已經找到了一種方法來縮短檢測時間。訓練有素的狗可以嗅出疾病特有的氣味，已經在芬蘭赫爾辛基機場部署。
  • 美國用唾液就能檢測新冠的真相
    2、所謂「準確率達到100%」，那是因為唾液樣本採集僅限於有症狀的患者；而在感染初期病毒載量較低的時候，咽拭子樣本則可以更早地檢出。 2、唾液檢測並沒有想像中「高大上」，實際上這是醫療資源不足的無奈之舉，旨在緩解美國檢測難的困境，而並非「黑科技」。