告别戳喉咙？AI手机程序通过声音检测新冠，准确率达到89%。但为了防疫大局，为了了解和确认你的健康状况，通过核酸确认你没有感染新冠是不可避免的。等等……有没有其他方法可以检查我是否被骗了？最好不要出去。别告诉我，这样的技术真的有可能。9月8日在西班牙巴塞罗那举行的欧洲呼吸学会国际大会上发表的一项研究表明，一款使用人工智能的手机应用程序可以从你的声音中判断你是否感染了新冠肺炎。.目前该模型的准确率已经达到89%。这是否意味着未来在家上传自己的声音就可以替代核酸？想想就很美妙……通过声音判断自己是否呈阳性，胜过快速抗原检测新冠肺炎会影响上呼吸道和声带，导致人的声音发生变化。在此基础上，马斯特里赫特大学数据科学研究所的WafaaAljbawi女士和她的导师、马斯特里赫特大学医学中心的肺科医生SamiSimon博士以及数据科学研究所的VisaraUrovi博士决定调查这种可能性使用人工智能分析声音以检测COVID-19阳性。他们使用了来自剑桥大学COVID-19Sounds应用程序的数据，该应用程序包含来自4,352名健康和非健康参与者的893个音频样本，其中308人的COVID-19测试呈阳性。该应用程序安装在用户的手机上，参与者报告一些基本信息，如人口统计、病史和吸烟状况，然后被要求记录一些呼吸声，包括咳嗽3次、深呼吸3到5次,并阅读屏幕上的简短单词。判三遍。研究人员使用了一种称为“梅尔频谱图”的语音分析技术，该技术可以识别语音的不同特征，例如响度、频率和随时间的变化。“通过这种方式，我们能够分解参与者声音的许多属性，”Aljbawi女士说。“为了区分COVID阳性患者和阴性正常人群的声音，我们建立了不同的人工智能模型，并评估了哪一个最适合对这些病例进行分类。”他们发现LSTM模型优于其他模型。LSTM基于神经网络，它模仿人脑的工作方式并识别数据中的潜在关系。它擅长时序分析，这使其适用于对随时间收集的信号（例如声音）进行建模。最终，该模型的总体准确率为89%，正确检测阳性病例（真阳性）的能力为89%，正确识别阴性病例（真阴性）的能力为83%。“这些结果表明，与横向流动测试等最先进的测试相比，诊断COVID-19疾病的准确性有了显着提高，”Aljbawi说。“横向流动测试（快速抗原测试）的准确性仅为56%。%，但具有更高的特异性99.5%。这很重要，因为这意味着快速抗原测试比我们的测试更容易将感染者错误分类为阴性。在换句话说，使用AILSTM模型，我们可能会漏掉11/100个病例，这会继续传播感染，而快速抗原检测会漏掉44/100个病例。”核酸还是要做的，因为现在很多国家已经不做免费的核酸病毒检测了——也就是在中国大规模的核酸检测。具有特异性强、灵敏度高的特点，是目前检测新型冠状病毒的主要方法。作为诊断新型冠状病毒的主要依据之一，但准确率较低，目前很多国家主要是发放快速抗原自检试剂盒，只有抗原检测呈阳性的人才会被要求做进一步的检测当然，因为这种自检包操作难度比较大，准确率不是很高，所以如果能通过声音判断为阳性，可以节省资源并获得相对准确的结果。一件好事。因此，虽然AI在误报方面的表现比较差，17%的人会被误诊为阳性，但可以作为初步筛查手段，让语音检测为阳性，再进行下一步检测。此外，这项技术的目标是核酸检测昂贵和/或难以分发的更多低收入国家。至于我们，应该做核酸还是做核酸……另外，研究人员表示，他们的结果还需要大量的数据来验证。自项目开始以来，已从36,116名参与者中收集了53,449个音频样本，可用于改进和验证模型的准确性。他们还在进行进一步分析，以了解语音中的哪些参数正在影响AI模型。相关报道：https://www.news-medical.net/news/20220905/AI-model-detects-COVID-19-infection-in-people28099s-voices.aspx
