هوش مصنوعی، کووید-۱۹ را بر اساس صدای کاربر شناسایی می‌کند!

در مراحل اولیه برخی از بیماری‌ها، ممکن است شواهد محدودی مبنی بر ایجاد آن بیماری وجود داشته باشد. بااین‌حال، برخی از سرنخ‌های ظریف ممکن است هنوز وجود داشته باشند.

به گزارش هوشیو در مطالعات اخیر نشان داده شده است که الگوریتم‌های هوش مصنوعی می‌توانند با موفقیت، از روی صدای کاربرد، آن‌هایی را که در مراحل اولیه بیماری پارکینسون یا عفونت شدید ریه‌ها کووید-۱۹ هستند، شناسایی کنند. محققان این الگوریتم‌ها را در یک اپلیکیشن گوشی هوشمند به نام Aum قرار دادند که می‌تواند برای تشخیص و نظارت بر شرایط مربوطه استفاده شود.

دینش کومار، استاد دانشگاه سلطنتی در این خصوص می‌گوید: «[صدای مردم] به طور معمول توسط پزشکان برای ارزیابی بیمارانشان استفاده می‌شود، به‌ویژه برای بیماری‌های عصبی، مانند پارکینسون، ریوی و حتی کووید-۱۹. این رویکرد تنها برای تشخیص بیماری نیست، بلکه برای ارزیابی اثرات دارو و بهینه‌سازی دوز مصرفی نیز هست.»

کومار و همکارانش برای کشف اینکه آیا این موضوع می‌تواند توسط الگوریتم‌های یادگیری ماشین شناسایی شود، ۳۶ فرد مبتلا به بیماری پارکینسون و ۳۶ داوطلب سالم را انتخاب کردند. نکته مهمی که در این تحقیق وجود داشت این بود که بین صدای افراد تفاوت‌هایی طبیعی وجود دارد که می‌تواند تشخیص این را دشوار کند که چه کسی اختلال زمینه‌ای دارد و چه کسی ندارد. کومار می‌گوید: «برای غلبه بر این مشکل، ما به دنبال صداهای غیرزبانی بودیم که بتواند بیماری را با وجود تفاوت‌های طبیعی در صدای افراد تشخیص دهد.»

بنابراین، تیم او از شرکت‌کنندگان در مطالعه خواست تا واج‌های مختلفی را بگویند که به صداهای گلو (/a/)، دهان (/o/) و بینی (/m/) نیاز دارند. سپس یک الگوریتم یادگیری ماشینی را به کار بردند که می‌تواند بین افراد مبتلا به بیماری پارکینسون و داوطلبان سالم، با وجود سروصدای محیط، تمایز قائل شود. آن‌ها نتیجه را این‌گونه گزارش دادند که این الگوریتم می‌تواند افرادی را که مبتلا به بیماری پارکینسون هستند، با دقت صددرصد شناسایی کند.

یکی از محققین این پژوهش، نموئل پا، فرصتی داشت تا مطالعه مشابهی را بر روی بیماران کووید-۱۹ در اندونزی در طول ژوئن و ژوئیه ۲۰۲۱ انجام دهد. در آن مورد، نموئل پا، ۴۰ بیمار کووید-۱۹ بستری‌شده در بیمارستان را ثبت کرد که در طول ۲۲ روز، از آن‌ها خواسته شد شش واج را بگویند (یعنیa/، /e/، /i/، /o/، /u و/m/).

محققان سپس الگوریتم یادگیری ماشینی متفاوتی را روی آن داده‌ها اعمال کردند و دریافتند که ویژگی‌های استخراج‌شده از مصوت /i/ در طول ۳ روز اولی که در بیمارستان بستری شده بودند، بیشترین تأثیر را در تمایز بین افراد مبتلا به عفونت ریه کووید-۱۹  داشت.

کومار در این مورد می‌گوید: «مزیت استفاده از اپلیکیشن برای شناسایی بیماران کووید-۱۹ این است که ضبط صدا نیازی به تماس فیزیکی پزشک با بیمار ندارد.» او می‌گوید: «ضبط‌های صدا را بیشتر می‌توان برای بیمارانی به کار برد که دورند.» به‌طورکلی، کومار و همکارانش علاقه‌مندند این رویکردها را در دنیای واقعی مورد استفاده قرار دهند که البته برای کسب نتایج بهتر باید تلاش کنند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید