Μια ομάδα ερευνητών τεχνητής νοημοσύνης στο Google Research, σε συνεργασία με ένα ζευγάρι συναδέλφων από το Κέντρο Έρευνας Λοιμωδών Νοσημάτων στη Ζάμπια, ανέπτυξε ένα σύστημα μηχανικής μάθησης που στοχεύει στη διάγνωση παθήσεων των πνευμόνων με βάση τους ήχους του βήχα.
Στη μελέτη της, η ομάδα χρησιμοποίησε βίντεο του YouTube για να εκπαιδεύσει το σύστημα. Η ομάδα της Google ονόμασε το νέο της σύστημα Health Acoustic Representations (HeAR).
Άρχισαν να εργάζονται σ’ αυτό, αφού οι εργαζόμενοι στον τομέα της υγείας ανέφεραν ότι είχαν μάθει με την πάροδο του χρόνου, κατά τη διάρκεια της πανδημίας, ότι συχνά μπορούσαν να καταλάβουν ποιοι ασθενείς είχαν COVID-19 από τον ήχο του βήχα τους.
Άλλοι ερευνητές εργάζονται σε παρόμοιες προσπάθειες, ελπίζοντας να αναπτύξουν συστήματα που θα μπορούσαν να ανιχνεύσουν μια μεγάλη ποικιλία ασθενειών με βάση τον ήχο του βήχα.
Η Google ακολούθησε διαφορετική προσέγγιση στον εντοπισμό ασθενειών από τις άλλες ομάδες. Αντί να εκπαιδεύσουν ένα σύστημα AI χρησιμοποιώντας ηχογραφήσεις με ετικέτες που προσδιορίζουν μια δεδομένη ασθένεια, χρησιμοποίησαν μια προσέγγιση παρόμοια με το ChatGPT.
Στο σύστημά τους, ένας μεγάλος αριθμός ηχογραφημένων ανθρώπινων ήχων από το YouTube, όπως κανονική αναπνοή, λαχάνιασμα ή βήχας, μετατράπηκαν σε φασματογράμματα.
Στη συνέχεια, η ομάδα μπλόκαρε ορισμένα μέρη του καθενός και ώθησε την τεχνητή νοημοσύνη να βρει το τμήμα που λείπει. Το αποτέλεσμα ήταν ένα μοντέλο θεμελίωσης, το οποίο, σημειώνουν οι ερευνητές, θα μπορούσε να προσαρμοστεί για χρήση σε μια μεγάλη ποικιλία εργασιών.
Στην περίπτωσή τους, οι ερευνητές το χρησιμοποίησαν για να μάθουν να ανιχνεύουν παθήσεις όπως φυματίωση ή COVID-19. Στη συνέχεια χρησιμοποίησαν μια τυπική κλίμακα για να συγκρίνουν την ακρίβεια του HeAR με τυχαίες εικασίες.
Βρήκαν ότι σημείωσε 0,739 σε ένα σύνολο δεδομένων και 0,645 σε ένα άλλο για την ανίχνευση COVID-19 και 0,739 κατά μέσο όρο για φυματίωση, κάτι που είναι καλύτερο από τα αποτελέσματα που έχουν ληφθεί από άλλα συστήματα.
Η ερευνητική ομάδα αναγνωρίζει ότι απαιτείται πολύ περισσότερη δουλειά, αλλά πιστεύει ότι η ακουστική εξέταση μπορεί κάποια μέρα να φτάσει στα ιατρεία, δίνοντάς τους ένα ακόμη εργαλείο για τη διάγνωση ασθενών με πνευμονικές παθήσεις.
