新冠無癥狀感染者由于沒有明顯的發(fā)熱、咳嗽等癥狀而難于與普通人群區(qū)分開，這為阻斷疫情傳播帶來一定的難度。不過日前，來自美國麻省理工學(xué)院（MIT）的研究人員稱研發(fā)出了一種可以識別新冠肺炎患者咳嗽聲的AI模型，可以通過分析咳嗽錄音將無癥狀感染者與健康人區(qū)分開來。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識別“咳嗽聲”已用于多項疾病如肺炎、哮喘、阿爾茨海默癥等的檢測，這些疾病會導(dǎo)致機體功能退化，如聲帶減弱、呼吸功能下降等，雖然人耳難以辨識，但通過機器學(xué)習和信號處理，AI能夠識出這其中的差別，而越來越多的證據(jù)表明，感染新冠病毒的患者也會出現(xiàn)類似的機體功能變化。

MIT研究人員此次開發(fā)的AI模型正是基于該團隊此前用來診斷阿爾茨海默癥早期患者的AI模型，疫情爆發(fā)后，該團隊意識到或許可以利用其識別COVID-19無癥狀感染者。

今年4月，研究人員建立了一個公開咳嗽數(shù)據(jù)收集網(wǎng)站https://opensigma.mit.edu/，允許所有人通過網(wǎng)絡(luò)瀏覽器、手機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7萬個錄音，包含約 20 萬份咳嗽音頻樣本，其中約有2500 多個樣本是由已經(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)習新冠病毒患者與健康人之間的咳嗽差異。具體來說，研究人員訓(xùn)練了三個神經(jīng)網(wǎng)絡(luò)模型，分別用來提取聲帶強弱特征、區(qū)分言語中情緒狀態(tài)以及在自建的咳嗽數(shù)據(jù)集上學(xué)習，辨別肺和呼吸功能的變化。

研究人員選取了2500個新冠確診咳嗽音頻樣本和另外2500個隨機咳嗽音頻樣本，并使用其中4000個樣本來訓(xùn)練 AI 模型，用剩余的1000個進行模型準確度的檢測。

檢測結(jié)果顯示，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患者。該模型在聆聽確診病例的錄音時準確率可達98.5%，在聆聽無癥狀患者咳嗽的錄音時準確率更是高達100%。而且該模型的特異性也已分別達到83%和94%，基本沒有大量的假陽性或假陰性報告。

“我們認為這表明當患有新冠肺炎時，人產(chǎn)生聲音的方式會發(fā)生變化，即使沒有癥狀。”麻省理工學(xué)院自動識別實驗室的研究科學(xué)家Brian Subirana表示，并補充道，“盡管該系統(tǒng)擅長于非健康咳嗽的監(jiān)測，但大家還是不要輕易將之視作確診的權(quán)威工具。”

目前，該團隊正在與多家醫(yī)院展開合作，從而建立更多樣化的數(shù)據(jù)庫。同時，該團隊也在向FDA申請，希望將其整合到App中，如果投入使用，手機用戶只需登錄App對其咳嗽兩聲，就能獲知自己是否可能感染了新冠病毒。