Osoby zakażone koronawirusem i nie wykazujące żadnych dostrzegalnych fizycznych objawów choroby mogą nieświadomie przenosić infekcję na innych. Jednak, jak odkryli naukowcy z Massachusetts Institute of Technology (MIT), takie osoby nie są całkowicie wolne od zmian wywołanych przez COVID-19. Zdradzić ich może sposób kaszlu. Różnic tych ludzkie ucho nie jest w stanie wychwycić, ale może to zrobić sztuczna inteligencja.
W artykule opublikowanym w „IEEE Journal of Engineering in Medicine and Biology” zespół naukowców z MIT poinformował o opracowaniu modelu sztucznej inteligencji, który odróżnia bezobjawowe przypadki zakażenia koronawirusem od zdrowych osób. Wystarczy nagranie wymuszonego kaszlu.
COVID-19 diagnozowany z nagrań kaszlu
Naukowcy wyszkolili model sztucznej inteligencji na dziesiątkach tysięcy próbek kaszlu, które ludzie dobrowolnie przesyłali za pośrednictwem internetu. Algorytmy analizowały też sposób wypowiadania się ochotników. Po treningu sztuczna inteligencja dokładnie zidentyfikowała 98,5 proc. kaszlu u osób, u których potwierdzono obecność COVID-19, w tym 100 proc. próbek od osób bezobjawowych, czyli tych, które zgłosiły, że nie mają objawów, ale mają pozytywny wynik testu na obecność koronawirusa.
Zespół pracuje nad włączeniem modelu do przyjaznej dla użytkownika aplikacji, która, jeśli zostanie zatwierdzona przez organy regulacyjne i zaadaptowana na dużą skalę, mogłaby potencjalnie być darmowym, wygodnym, nieinwazyjnym narzędziem do wstępnego rozpoznania i identyfikowania osób bezobjawowych. Użytkownik aplikacji mógłby logować się codziennie, kaszleć do telefonu i natychmiast uzyskiwać informacje o tym, czy może być zarażony, co dałoby mu sygnał do zastosowania środków zaradczych i przede wszystkim potwierdzenia zakażania odpowiednim testem.
– Skuteczne wdrożenie tego grupowego narzędzia diagnostycznego mogłoby ograniczyć rozprzestrzenianie się pandemii, gdyby wszyscy go użyli przed udaniem się do szkół, zakładów pracy czy do restauracji – mówi Brian Subirana z MIT, współautor badań.
Trzy różne sztuczne inteligencje do identyfikacji choroby Alzheimera
Jeszcze zanim świat usłyszał o koronawirusie, różne grupy badawcze trenowały algorytmy do identyfikowania różnych chorób, jak zapalenie płuc czy astmy, na podstawie zapisów kaszlu z telefonów komórkowych. Jeden z takich zespołów prowadził badania w MIT. Uczeni chcieli sprawdzić, czy algorytmy mogą wykryć objawy choroby Alzheimera. Można tutaj zapytać, co ma wspólnego choroba Alzheimera z kaszlem? Otóż schorzenie to związane jest nie tylko z pogorszeniem pamięci, co jest najbardziej rozpoznawalnym objawem Alzheimera. Choroba prowadzi także do degeneracji nerwowo-mięśniowej, co wpływa na osłabienie strun głosowych.
Uczeni najpierw wyszkolili swój algorytm uczenia maszynowego do rozróżniania dźwięków związanych z różnymi stopniami siły strun głosowych. Sztuczna inteligencja, w ramach szkolenia, przesłuchała 1000 godzin różnych audiobooków. Algorytmy nauczyły się wyodrębniać słabo brzmiące słowa i określać, jak mocne są struny głosowe lektora.
Badacze wyszkolili też drugą sieć neuronową, aby rozróżniała stany emocjonalne widoczne w mowie. Wcześniej wykazano, że pacjenci z chorobą Alzheimera – i ogólnie osoby z zaburzeniami neurologicznymi – częściej przejawiają pewne uczucia, takie jak chociażby frustrację. Naukowcy opracowali model klasyfikatora mowy sentymentalnej, trenując go na dużym zbiorze danych aktorów intonujących stany emocjonalne, takie jak neutralny, spokojny, szczęśliwy i smutny.
Trzecia sztuczna inteligencja była szkolona do wykrywania na bazie danych kaszlu zmiany w wydolności płuc i układu oddechowego. Wreszcie zespół połączył wszystkie trzy modele w całość i nałożył program, który wykrywa degradację mięśni. Zasadniczo symuluje on warstwę szumu i odróżnia silny kaszel, taki, który można usłyszeć przez szum, od słabszego.
Tak skonstruowana sztuczna inteligencja znacznie lepiej identyfikowała chorobę Alzheimera, niż istniejące modele, co zespół potwierdził w testach. Wyniki pokazały, że siła strun głosowych, emocje w mowie, wydolność płuc i układu oddechowego oraz degradacja mięśni w połączeniu były skutecznymi markerami w diagnozowaniu choroby.
Zbieranie próbek kaszlu
Kiedy pandemia koronawirusa zaczęła się rozwijać, Subirana zastanawiał się, czy opracowana przez nich do wykrywania choroby Alzheimera sztuczna inteligencja mogłaby się sprawdzić w diagnozowaniu COVID-19. Pojawiło się wówczas coraz więcej dowodów na to, że zakażeni doświadczali podobnych objawów neurologicznych, takich jak przejściowe zaburzenia nerwowo-mięśniowe.
– Na sposób mówienia, ale też i kaszlu, wpływają struny głosowe i otaczające je narządy. Kiedy mówisz, część dźwięków przypomina kaszel i odwrotnie. Są rzeczy, które sztuczna inteligencja może wychwycić ze sposobu mówienia, czy też kaszlu, w tym płeć osoby, język ojczysty, a nawet stan emocjonalny. Pomyśleliśmy, dlaczego by nie sprawdzić opracowanych przez nas markerów Alzheimera do identyfikacji COVID-19 – mówi Subirana.
W kwietniu zespół postanowił zebrać jak najwięcej zapisów kaszlu od pacjentów z COVID-19. Badacze założyli stronę internetową, za pomocą której ludzie mogą nagrywać serię kaszlu korzystając z telefonu komórkowego lub innego urządzenia z dostępem do internetu. Na stronie znajduje się także ankieta dotyczącą objawów, których doświadczają użytkownicy, niezależnie od tego, czy mają COVID-19, czy nie i czy zostali zdiagnozowani na podstawie oficjalnego testu, na podstawie oceny ich objawów przez lekarza, czy też sami mają podejrzenia, że zarazili się koronawirusem.
Do tej pory naukowcy zebrali ponad 70 tys. nagrań, z których każde zawiera próbkę kaszlu. W zbiorze tym uczeni wyodrębnili około 200 tys. pojedynczych próbek dźwiękowych wymuszonego kaszlu, co według Subirany jest „największym zbiorem danych dotyczących kaszlu, jakie znamy”. Około 2500 nagrań zostało przesłanych przez osoby, u których potwierdzono obecność COVID-19, w tym osoby bezobjawowe.
„Uderzające podobieństwo”
Zespół wykorzystał 2500 nagrań związanych z COVID-19, a także 2500 innych nagrań, które losowo wybrał z nadesłanej kolekcji, aby zbilansować zbiór danych. 4 tys. z nich posłużyło do szkolenia sztucznej inteligencji. Pozostałe tysiąc zapisów zostało wprowadzonych do modelu, aby sprawdzić, czy może on dokładnie odróżnić kaszel pacjentów zarażonych COVID-19 od osób zdrowych.
Co zaskakujące, jak piszą naukowcy w swoim artykule, ich wysiłki ujawniły „uderzające podobieństwo” między degradacją nerwowo-mięśniową chorych na Alzheimera a COVID-19. Zauważyli też, że opracowywana przez nich sztuczna inteligencja przeznaczona do identyfikacji chorych na Alzheimera, bez większych zmian jest w stanie wychwycić wzorce w czterech markerach – sile strun głosowych, emocjach w mowie, wydolności płuc oraz degradacji mięśni – które są specyficzne dla COVID-19. Model zidentyfikował 98,5 proc. kaszlu u osób, u których potwierdzono obecność choroby, a spośród nich dokładnie wykrył wszystkie próbki przesłane przez osoby nie wykazujące żadnych objawów zakażenia.
– To pokazuje, że sposób, w jaki produkujemy dźwięk, zmienia się, gdy zarażamy się koronawirusem, nawet jeśli nie ma żadnych objawów choroby – mówi Subirana.
Zespół pracuje teraz nad stworzeniem bezpłatnej aplikacji do wstępnej identyfikacji zarażenia COVID-19 opartej na opracowanym modelu sztucznej inteligencji. Współpracują również z kilkoma szpitalami na całym świecie, aby zebrać większy, bardziej zróżnicowany zestaw zapisów kaszlu, co pomoże w szkoleniu i wzmocnieniu dokładność modelu.
Źródło: MIT, fot. PxFuel