對著手機咳嗽一聲，就能檢測新冠了？還是劍橋大學出品

---

  新智元報道  

新冠病毒的出現(xiàn)，真算是打開了潘多拉的魔盒。

如今不斷新出現(xiàn)的變種，打亂了整個地球人的生活。新冠之前那種不戴口罩的生活，也許再也回不去了。

最近，科學家們有了一個新發(fā)現(xiàn)，或許未來可以讓我們告別捅嗓子眼兒的日子。

在西班牙巴塞羅那舉行的歐洲呼吸學會國際會議上，一項研究顯示，AI可通過手機應用程序收集到的聲音，判斷用戶有沒有感染新冠肺炎。

根據(jù)News Medical的報告，本研究中使用的AI模型比快速抗原檢測更便宜、更快、更易于使用，非常適用于PCR檢測昂貴的低收入國家。

此外，這個AI還有一個更厲害的地方——準確率更高。比起快速抗原測試，它的準確率能達到89%。

高情商：你為科學的發(fā)展出了一份力。

低情商：這軟件暫時卵用沒有。

這些有希望的結果表明，簡單的錄音和微調的 AI 算法可能會在確定哪些患者感染 COVID-19方面實現(xiàn)高精度。此類測試可以免費提供，并且易于解釋。此外，它們支持遠程虛擬測試，并且周轉時間不到一分鐘。例如，它們可以用于大型集會的入口點，從而能夠快速篩查人群。”

Wafaa Aljbawi，研究員，數(shù)據(jù)科學研究所，馬斯特里赫特大學

這個結果太令人興奮了。這意味著：通過基本語音記錄和定制AI算法，我們就可以以很高的精度識別COVID-19感染患者。又免費，又好用。小編興奮地搓手：這是不是意味著，三天一捅的日子可以結束了？

這個方法的原理是：感染COVID-19后，人的上呼吸道和聲帶會受到影響，從而改變聲音。

為了驗證這個方法的可行性，來自同一數(shù)據(jù)科學研究所的Visara Urovi博士和馬斯特里赫特大學醫(yī)學中心的肺病學家Sami Simons博士也進行了測試。

他們使用了來自劍橋大學的眾包COVID-19Sounds 應用程序的信息，包括來自4,352名健康和不健康受試者的893個音頻樣本，這其中，有308人的COVID-19測試結果是陽性的。

測試時，用戶將APP下載到手機后，就要開始記錄呼吸音。這個過程中，要先咳嗽3次，再用嘴深呼吸3到5次，然后在屏幕上讀一個簡短的句子3次。

研究人員采用了一種稱為梅爾譜圖分析的語音分析方法，該技術可以識別不同的語音特征，例如響度、功率和隨時間的變化。

「通過這種方式，我們可以分解被試聲音的許多屬性，」Aljbawi 女士說。「為了區(qū)分COVID-19患者和未患病者的聲音，我們建立了不同的人工智能模型，并評估了哪一個模型最適合對COVID-19病例進行分類。」

他們發(fā)現(xiàn)，一種被稱為長短期記憶（LSTM）的模型顯著優(yōu)于其他模型。LSTM基于神經(jīng)網(wǎng)絡，它會模仿人腦的運作方式，識別出數(shù)據(jù)中的潛在關系。因為適用于序列，所以它很適合對隨時間收集的信號進行建模，比如從語音中收集的信號，因為它能夠將數(shù)據(jù)存儲在內(nèi)存中。

其總體準確率為 89%，正確識別陽性病例的能力（真陽性率或「敏感性」）為 89%，正確識別陰性病例的能力（真陰性率或「特異性」）為 83%。

新冠患者和健康的人的咳嗽序列圖

這些結果表明，與橫向流動測試等最先進的測試相比，LSTM模型診斷 COVID-19 的準確性有了顯著提高。

比較結果可以用一句話總結：LSTM模型對于陽性的識別率更高，但是也更容易把陰性誤診為陽性。

具體來說，橫向流動測試的靈敏度僅為 56%，但特異性更高，為 99.5%，因此橫向流動測試會更頻繁地將陽性誤測為陰性。使用LSTM模型可能會錯過100個病例中的11個，而側向流測試則會錯過100個病例中的44個。

橫向流動測試的高特異性，意味著只有1/10的陰性會被誤診為陽性，而LSTM測試的誤診率更高，會把100名陰性中的17個誤診為陽性。但是，由于該測試實際上是免費的，如果LSTM顯示是陽性，可以再讓人們進行PCR測試。所以后者的影響并不大。

目前，研究人員還在進一步驗證他們的結果。他們使用了大量數(shù)據(jù)。自實驗開始以來，他們已經(jīng)收集了來自36,116個人的53,449個音頻樣本，可用于增強和驗證模型的準確性。另外，他們還在進行其他研究，來確定還有哪些語音的因素會影響 AI 模型。

論文地址：https://arxiv.org/pdf/2104.02005.pdf

在論文中，研究人員分析了330名陽性和919名陰性被試的子集。

他們提出了一個集成學習框架，該框架在訓練階段解決了數(shù)據(jù)不平衡的常見問題，并在推理期間提供了預測不確定性，具體化為模型集成產(chǎn)生的預測的方差。主干模型是一個名為 VGGish 1的預訓練卷積網(wǎng)絡，經(jīng)過修改以接收三種聲音的頻譜圖作為輸入。

在這項工作中，10個深度學習模型被訓練并聚合成一個集成模型，產(chǎn)生0.74的 AUC，靈敏度為0.68，特異性為0.69，優(yōu)于每個模型。一方面，驗證了深度學習對基于音頻的COVID-19檢測的手工制作特征的優(yōu)越性。另一方面，展示了 SVM的集成進一步提高了單個SVM模型的性能，因為樣本被更有效地利用。

錯誤的預測通常會產(chǎn)生更高的不確定性（參加左上圖），因此能夠利用經(jīng)驗不確定性閾值來建議用戶在手機上重復音頻測試或在數(shù)字診斷仍然失敗時進行額外的臨床測試（參見右上圖）。通過將不確定性納入自動診斷系統(tǒng)，可以實現(xiàn)更好的風險管理和更穩(wěn)健的決策。

2021年11月，研究人員在NeurIPS 2021中發(fā)布了全面的大規(guī)模COVID-19音頻數(shù)據(jù)集，由36,116 名參與者眾包的53,449個音頻樣本（總共超過552小時）組成。相關論文已被NeurIPS 2021 Dataset Track接受發(fā)表。

在論文中，研究人員展示了ROC-AUC在呼吸道癥狀預測和COVID-19預測任務上超過0.7的性能，證實了基于這些類型數(shù)據(jù)集的機器學習方法的前景。

2022年6月，研究人員希望探索縱向音頻樣本隨著時間的推移對COVID-19進展預測的潛力，尤其是使用順序深度學習進行恢復趨勢預測。論文發(fā)表在數(shù)字醫(yī)學與健康領域的期刊JMIR上。這項研究可以說是探索COVID-19疾病進展預測的縱向音頻動力學的第一項工作。

論文地址：https://www.jmir.org/2022/6/e37004

為了探索個人歷史音頻生物標志物的音頻動態(tài)，研究人員開發(fā)并驗證了一種使用門控循環(huán)單元 (GRU) 檢測COVID-19疾病進展的深度學習方法。

所提出的模型包括一個名為VGGish的預訓練卷積網(wǎng)絡，用于提取高級音頻信息，以及GRU用于捕獲縱向音頻樣本的時間依賴性。

研究發(fā)現(xiàn)，所提出的系統(tǒng)在區(qū)分COVID-19陽性和陰性音頻樣本方面表現(xiàn)出色。

這一系列研究中，也出現(xiàn)了Ting Dang、Jing Han、Tong Xia等中國學者的身影。

也許，我們離用app就能檢測新冠的日子已經(jīng)不遠了。

https://www.techtimes.com/articles/280123/20220905/new-ai-ai-model-detect-covid-19-persons-voice-mobile-phone-app.htm

https://www.cnbeta.com/articles/tech/1313093.htm

https://www.covid-19-sounds.org/en/blog.html