今年九月，麻省理工學院（MIT）的研究人員發表了題為《COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings》（僅使用咳嗽記錄進行 COVID-19 人工智能診斷）的論文，文中發現新冠病毒患者的咳嗽聲與健康人不一樣。

普通的新冠病毒患者在得病之后會伴隨咳嗽、流鼻涕、發燒等癥狀，他們往往較為容易追蹤和檢測；相反沒有明顯癥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癥狀患者的方法。

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征。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。

該研究成果發表在《IEEE 醫學和生物學工程雜志》上，并得到了廣泛的關注。

這項技術可以應用于大規模 COVID-19 無癥狀篩查工具，并具有實時性和可分發性。目前，該工具可在辦公場所和公共區域重新開放時，對辦公人員和公眾進行日常篩查，并迅速掌握當前群體中的疫情狀況。

同時，該項研究成果也同步提交到了 FDA 和其他監管機構，如獲得批準，與之相關的應用程序將免費用于大規模人群篩查。

1、基于聲學生物標記特征的 AI 語音處理模型

研究中所使用的 AI 模型提取了咳嗽記錄的音頻特征（梅爾頻率倒譜系數），并將它輸入到神經網絡（卷積神經網絡，CNN）中，學習新冠病毒患者與健康人之間的咳嗽差異。

正如 Subirana 在文中解釋說：“說話聲和咳嗽聲都會隨著聲帶及周圍器官的變化而改變。這意味著你在說話時，說話的一部分就像是咳嗽，反之亦然。”

其實，利用 AI 模型研究聲學特征并不是首例。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癥（AD）早期的患者。也正是這項研究，使得他們發現了識別 COVID-19 無癥狀感染者的可能性，并提供了 AI 算法支持。

具體來說，研究人員訓練了三個神經網絡模型。

第一個模型用來提取一個人聲帶的強弱特征，利用有聲讀物數據集（含 1000 小時音頻）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，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。

最后研究人員將三種模型整合在一起，形成了一個用于檢測肌肉退化的 AI 框架。經過檢測發現，基于聲帶強度、情緒、肺和呼吸功能等生物特征，該 AI 模型能夠很準確地識別出新冠病毒患者。

2、MIT 提供的模型能夠 100% 檢測出無癥狀新冠病毒患者

決定模型準確率的兩大因素為：模型架構和數據集。因此，除了上述出色的架構外，一定少不了合適的數據集。

今年 4 月，MIT 研究人員建立了一個公開咳嗽數據收集網站（https://opensigma.mit.edu/），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愿提交咳嗽錄音。

截止到目前，該網站收集了超過 7 萬個錄音，共包含約 20 萬份咳嗽音頻樣本。其中，2500 多個樣本由已經確診的患者提交，包括那些無癥狀感染者。作者也很自豪的說：“在醫療領域，這是迄今為止最大的咳嗽數據集。”

實驗證明，僅使用上述的 AI 模型，可以從確認已患有新冠病毒的人中準確地識別出 98.5% 的咳嗽，并且以 100% 的準確性檢測出了沒有任何癥狀，但檢測呈陽性的那些人。

由此可見，新冠病毒患者即時沒有明顯癥狀，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癥狀感染者。

與目前唯一已實施的篩查方法（測量體溫）相比，只有 45％的輕中度新冠病毒患者有發燒（體溫升高）的癥狀。如果將 MIT 提供的技術應用于每日檢查中，會有不錯的提升。

目前，MIT 的團隊正在與相關企業合作將該 AI 模型整合到手機應用程序（App）中，以便人們方便地對疾病風險進行初步評估。

同時，為了訓練和增強 AI 模型的準確性，研究人員也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，并提供到后續的模型訓練中。

正如文中所敘述的那樣，新興的人工智能技術正在也將被應用于更多的領域當中。可以是用來發現無癥狀感染者，遏制新冠病毒的傳播，也可以是識別和檢測早期阿爾茲海默癥患者，進行及時的治療……

原文標題：僅憑咳嗽聲就可100%檢測出新冠病毒患者？MIT研發可辨別新冠病毒的AI模型

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq