新冠無(wú)癥狀感染者由于沒(méi)有明顯的發(fā)熱、咳嗽等癥狀而難于與普通人群區(qū)分開(kāi)，這為阻斷疫情傳播帶來(lái)一定的難度。不過(guò)日前，來(lái)自美國(guó)麻省理工學(xué)院（MIT）的研究人員稱(chēng)研發(fā)出了一種可以識(shí)別新冠肺炎患者咳嗽聲的AI模型，可以通過(guò)分析咳嗽錄音將無(wú)癥狀感染者與健康人區(qū)分開(kāi)來(lái)。這篇題為《COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings》的論文日前發(fā)表在《IEEE 醫(yī)學(xué)與生物學(xué)工程學(xué)雜志》上。

在醫(yī)學(xué)領(lǐng)域，AI識(shí)別“咳嗽聲”已用于多項(xiàng)疾病如肺炎、哮喘、阿爾茨海默癥等的檢測(cè)，這些疾病會(huì)導(dǎo)致機(jī)體功能退化，如聲帶減弱、呼吸功能下降等，雖然人耳難以辨識(shí)，但通過(guò)機(jī)器學(xué)習(xí)和信號(hào)處理，AI能夠識(shí)出這其中的差別，而越來(lái)越多的證據(jù)表明，感染新冠病毒的患者也會(huì)出現(xiàn)類(lèi)似的機(jī)體功能變化。

MIT研究人員此次開(kāi)發(fā)的AI模型正是基于該團(tuán)隊(duì)此前用來(lái)診斷阿爾茨海默癥早期患者的AI模型，疫情爆發(fā)后，該團(tuán)隊(duì)意識(shí)到或許可以利用其識(shí)別COVID-19無(wú)癥狀感染者。

今年4月，研究人員建立了一個(gè)公開(kāi)咳嗽數(shù)據(jù)收集網(wǎng)站https://opensigma.mit.edu/，允許所有人通過(guò)網(wǎng)絡(luò)瀏覽器、手機(jī)或者筆記本電腦等設(shè)備自愿提交咳嗽錄音。截止目前，該網(wǎng)站收集了超過(guò)7萬(wàn)個(gè)錄音，包含約 20 萬(wàn)份咳嗽音頻樣本，其中約有2500 多個(gè)樣本是由已經(jīng)確診新冠的患者提交。

AI 模型則提取了咳嗽記錄的音頻特征（梅爾頻率倒譜系數(shù)），并將它輸入到神經(jīng)網(wǎng)絡(luò)（卷積神經(jīng)網(wǎng)絡(luò)，CNN）中，學(xué)習(xí)新冠病毒患者與健康人之間的咳嗽差異。具體來(lái)說(shuō)，研究人員訓(xùn)練了三個(gè)神經(jīng)網(wǎng)絡(luò)模型，分別用來(lái)提取聲帶強(qiáng)弱特征、區(qū)分言語(yǔ)中情緒狀態(tài)以及在自建的咳嗽數(shù)據(jù)集上學(xué)習(xí)，辨別肺和呼吸功能的變化。

研究人員選取了2500個(gè)新冠確診咳嗽音頻樣本和另外2500個(gè)隨機(jī)咳嗽音頻樣本，并使用其中4000個(gè)樣本來(lái)訓(xùn)練 AI 模型，用剩余的1000個(gè)進(jìn)行模型準(zhǔn)確度的檢測(cè)。

檢測(cè)結(jié)果顯示，基于聲帶強(qiáng)度、情緒、肺和呼吸功能等生物特征，該 AI 模型能夠很準(zhǔn)確地識(shí)別出新冠患者。該模型在聆聽(tīng)確診病例的錄音時(shí)準(zhǔn)確率可達(dá)98.5%，在聆聽(tīng)無(wú)癥狀患者咳嗽的錄音時(shí)準(zhǔn)確率更是高達(dá)100%。而且該模型的特異性也已分別達(dá)到83%和94%，基本沒(méi)有大量的假陽(yáng)性或假陰性報(bào)告。

“我們認(rèn)為這表明當(dāng)患有新冠肺炎時(shí)，人產(chǎn)生聲音的方式會(huì)發(fā)生變化，即使沒(méi)有癥狀。”麻省理工學(xué)院自動(dòng)識(shí)別實(shí)驗(yàn)室的研究科學(xué)家Brian Subirana表示，并補(bǔ)充道，“盡管該系統(tǒng)擅長(zhǎng)于非健康咳嗽的監(jiān)測(cè)，但大家還是不要輕易將之視作確診的權(quán)威工具。”

目前，該團(tuán)隊(duì)正在與多家醫(yī)院展開(kāi)合作，從而建立更多樣化的數(shù)據(jù)庫(kù)。同時(shí)，該團(tuán)隊(duì)也在向FDA申請(qǐng)，希望將其整合到App中，如果投入使用，手機(jī)用戶(hù)只需登錄App對(duì)其咳嗽?xún)陕暎湍塬@知自己是否可能感染了新冠病毒。