携帯電話に咳をするだけで新型コロナウイルス感染症を検出できますか?それともケンブリッジ大学がプロデュースしたのでしょうか？

新型コロナウイルスの出現はまさにパンドラの箱を開けました。

現在、新たな亜種が出現し、地球全体の人々の生活を混乱させています。新型コロナウイルス感染症以前のマスクなしの生活はもう戻らないかもしれない。

最近、科学者たちは新しい発見をしました。これにより、将来私たちは喉をつつく日々に別れを告げることができるかもしれません。

スペインのバルセロナで開催された欧州呼吸器学会国際会議では、AIが携帯電話アプリケーションによって収集された音を通じてユーザーが新型コロナウイルス感染症に感染しているかどうかを判断できることが研究で示された。

News Medicalのレポートによると、この研究で使用されたAIモデルは、迅速抗原検査よりも安価で速く、使いやすいため、PCR検査が高価な低所得国にとって理想的です。

さらに、この AI には精度が高いというもう 1 つの利点があります。迅速抗原検査と比較して、その精度は 89% に達します。

精度率は89%です

研究チームは、英国ケンブリッジ大学の「新型クラウン肺炎サウンドライブラリ」APPのデータを使用しました。このデータには、4,352人の健康な人とそうでない人からの893個の音声が含まれていました。 -健康な参加者、音声サンプル。この調査結果は、単純な音声録音と AI アルゴリズムにより、誰が新型コロナウイルス感染症に感染しているかを正確に判断できることを示しています。

編集者は、お宝アプリを発見したと思い、期待を込めてダウンロードしたところ、評価 2.8 のこのアプリは現在データ収集のみに使用されていることがわかりました。 。

高い心の知能指数: あなたは科学の発展に貢献してきました。

Low EQ: このソフトウェアは一時的に使用できなくなります。

オランダのマーストリヒト大学データサイエンス研究所の研究者ワファ・アルジバウィ女史は会議で、AIモデルは89％の精度を持っていると述べた。フローテストの精度はブランドによって異なり、ラテラルフローテストは無症状の人を検出する精度がはるかに低くなります。

これらの有望な結果は、シンプルな記録と微調整された AI アルゴリズムにより、どの患者が新型コロナウイルス感染症に感染しているかを高精度で判定できる可能性があることを示唆しています。このようなテストは無料で利用でき、解釈も簡単です。さらに、1 分未満の所要時間でリモート仮想テストが可能になります。たとえば、大規模な集会の入り口で使用して、群衆を迅速に検査できるようにすることができます。 「

Wafaa Aljbawi、マーストリヒト大学データサイエンス研究所研究員

この結果は非常にエキサイティングです。意味: 基本的な音声録音とカスタマイズされた AI アルゴリズムを通じて、新型コロナウイルス感染症の感染者を識別できます」患者を高精度で診断します。無料で使いやすいです。編集者は興奮しながら手をこすりました。これは、3 日ごとに突く日々が終わったことを意味しますか?

この方法の原理は次のとおりです。新型コロナウイルス感染症により、人の上気道と声帯が影響を受け、声が変化します。

この方法の実現可能性を検証するために、同じデータサイエンス研究所のビサラ博士とウロヴィ博士が協力しました。マーストリヒト大学医療センターの呼吸器科医であるサミ・シモンズ氏も検査を実施した。

彼らは、健康な被験者と不健康な被験者の4,352,893個の音声サンプルからの入力を含む、ケンブリッジ大学のクラウドソースの新型コロナウイルス感染症アプリからの情報を使用した。 308 人が新型コロナウイルス感染症 (COVID-19) の検査で陽性反応を示しました。口から 3 ～ 5 回呼吸し、画面上の短い文を 3 回読み上げます。

研究者らは、メル スペクトログラム分析と呼ばれる方法を使用しました。これは、次のようなさまざまな音声特徴を識別できる音声分析方法です。

「このようにして、対象者の声の多くの属性を分析することができます」とアルジバウィ女史は語った。 「新型コロナウイルス感染症にかかっている人の声とそうでない人の声を区別するために、私たちはさまざまな人工知能モデルを構築し、どのモデルが新型コロナウイルス感染症の症例を分類するのに最適であるかを評価しました。」

彼らは、次のようなモデルを発見しました。長短期記憶 (LSTM) は他の記憶よりも大幅に優れていました。 LSTM はニューラル ネットワークに基づいており、人間の脳がデータ内の潜在的な関係を識別する仕組みを模倣しています。シーケンスを処理するため、データをメモリに保存できるため、音声信号など、時間の経過とともに収集された信号のモデリングに適しています。

全体的な精度は 89%、陽性例を正しく識別する能力 (真陽性率または「感度」) は 89%、陰性例を正しく識別する能力 (真陰性率または「特異度」) 83%です。

これらの結果は、側方流動検査などの最先端の検査と比較して、新型コロナウイルス感染症 (COVID-19) の診断における LSTM モデルの精度が大幅に向上していることを示しています。

比較結果を一言で要約すると、LSTM モデルは陽性者の認識率が高くなりますが、陰性者を陽性者と誤診する可能性も高くなります。

具体的には、側方流動検査の感度はわずか 56% ですが、特異度は 99.5% と高いため、側方流動検査では陽性と陰性を取り違えることが多くなります。 LSTM モデルを使用すると 100 件中 11 件が見逃される可能性がありますが、側方流動テストでは 100 件中 44 件が見逃される可能性があります。

側方流動検査の高い特異性は、陰性患者の 1/10 だけが陽性と誤診されることを意味しますが、LSTM 検査の誤診率はさらに高く、陰性患者 100 人中 17 人が陽性と誤診されます。ただし、検査は事実上無料であるため、LSTM で陽性結果が示された場合は、PCR 検査を受けることができます。したがって、後者の影響は大きくありません。

現在、研究者らはさらに結果を検証中です。彼らは大量のデータを使用します。実験が始まって以来、彼らは 36,116 人から 53,449 個の音声サンプルを収集しました。これらのサンプルは、モデルの精度を高めて検証するために使用できます。さらに、彼らは他のどのような音声要素が AI モデルに影響を与えるかを判断するための他の研究を行っています。

関連論文

2021年6月、研究者らは、新型コロナウイルス感染症（COVID-19）の自動スクリーニングツールとして使用する場合にAIモデルがどの程度信頼できるかを調査し始めた。 INTERSPEECH 2021に採択されたこの論文では、音から新型コロナウイルス感染症を検出するために、不確実性推定と深層学習モデルを組み合わせることを試みています。

論文アドレス: https://arxiv.org/pdf/2104.02005.pdf

論文では、研究者らは330人の陽性サブセットと919人のAサブセットを分析しました。否定的な主題の。

彼らは、トレーニング段階でのデータの不均衡という一般的な問題に対処し、モデルのアンサンブルによって生成される予測の分散として具体化される、推論中の予測の不確実性を提供するアンサンブル学習フレームワークを提案しています。バックボーン モデルは、VGGish 1 という名前の事前トレーニング済み畳み込みネットワークで、3 つの音のスペクトログラムを入力として受け取るように変更されています。

この研究では、10 個の深層学習モデルがトレーニングされ、アンサンブル モデルに集約され、AUC 0.74、感度 0.68、特異度 0.69 という優れた結果が得られました。各モデルごとに。一方で、音声ベースの新型コロナウイルス感染症（COVID-19）検出においては、手作りの機能よりもディープラーニングの優位性が検証されています。一方、SVM のアンサンブルでは、サンプルがより効率的に利用されるため、単一の SVM モデルのパフォーマンスがさらに向上することが示されています。

間違った予測は通常、より高い不確実性を生み出すため (左上の図を参照)、経験的な不確実性のしきい値を活用して、電話または電話で音声テストを繰り返すようユーザーにアドバイスできます。デジタル診断がまだ失敗する場合は、追加の臨床検査を実行します（上の右の画像を参照）。自動診断システムに不確実性を組み込むことで、より優れたリスク管理とより堅牢な意思決定を実現できます。

2021 年 11 月、研究者らは NeurIPS 2021 で、36,116 人の参加者によってクラウドソーシングされた 53,449 個の音声サンプル (合計 552 時間以上) で構成される包括的な大規模な COVID-19 音声データセットをリリースしました。関連論文は NeurIPS 2021 Dataset Track への掲載が受理されました。

論文の中で研究者らは、呼吸器症状予測と新型コロナウイルス感染症(COVID-19)予測のタスクにおいて0.7を超えるROC-AUCパフォーマンスを実証し、これらのタイプのデータセットに基づく機械学習手法の有望性を確認しています。

研究者らは、2022 年 6 月に、新型コロナウイルス感染症の進行予測、特に逐次ディープラーニング予測を使用した回復傾向の予測のために、長期にわたる縦断音声サンプルの可能性を探ることを希望しています。この論文は、デジタル医療と健康分野のジャーナルであるJMIRに掲載されました。この研究はおそらく、新型コロナウイルス感染症の進行予測のための縦方向の音声ダイナミクスを調査した最初の研究である。

論文アドレス: https://www.jmir.org/2022/6/e37004

個人の歴史的音声バイオマーカーの音声ダイナミクスを調査するには、研究者らは、ゲート付きリカレントユニット（GRU）を使用して、新型コロナウイルス感染症の進行を検出するディープラーニング手法を開発、検証した。

提案されたモデルには、高レベルのオーディオ情報を抽出するための VGGish という名前の事前トレーニング済み畳み込みネットワークと、縦方向のオーディオ サンプルの時間依存性をキャプチャするための GRU が含まれています。

調査では、提案されたシステムが新型コロナウイルス感染症の陽性音声サンプルと陰性音声サンプルの区別において良好に機能することがわかりました。

この一連の研究には、ティン・ダン、ジン・ハン、トン・シアといった中国の学者も登場しました。

おそらく、新しいクラウンをアプリで検出できる日もそう遠くないでしょう。

以上が携帯電話に咳をするだけで新型コロナウイルス感染症を検出できますか?それともケンブリッジ大学がプロデュースしたのでしょうか？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。