A hang mint egészségügyi jelző
A hangok, amelyeket a testünk produkál, rengeteg információt hordoznak egészségünkről. Az olyan finom nyomok, amelyek rejtve vannak ezekben a bioakusztikus hangokban, forradalmasíthatják, hogyan szűrjük, diagnosztizáljuk, nyomon követjük és kezeljük a különböző egészségügyi állapotokat, például a tuberkulózist (TB) vagy a krónikus obstruktív tüdőbetegséget (COPD).
A Google kutatói felismerik, hogy a hang potenciálisan hasznos egészségügyi jelző lehet, és hogy az okostelefon mikrofonjai széles körben hozzáférhetők. Ennek érdekében felfedeztük, hogyan használhatjuk az AI-t az akusztikus adatokból származó egészségügyi betekintések kinyerésére. Az év elején bemutattuk a Health Acoustic Representations-t, vagyis HeAR-t, egy bioakusztikus alapmodellt, amely segít a kutatóknak olyan modellek létrehozásában, amelyek képesek emberi hangokat hallgatni és a betegség korai jeleit kiemelni.
A Google Research csapata a HeAR-t 300 millió hangfelvétel alapján képezte ki, amelyet egy sokszínű és de-identifikált adatbázisból gyűjtöttek össze, és a köhögésmodell kifejlesztéséhez körülbelül 100 millió köhögőhangot használtunk. A HeAR képes észlelni a mintázatokat az egészségügyi kapcsolódó hangokban, így erőteljes alapot teremt a orvosi akusztikai elemzéshez. Átlagosan a HeAR magasabb rangot ért el más modellekhez képest, ami azt mutatja, hogy képes megragadni a jelentős mintázatokat az egészséggel kapcsolatos akusztikai adatokban.
A HeAR most elérhető a kutatók számára, hogy felgyorsítsák egyedi bioakusztikus modellek fejlesztését kevesebb adatokkal, beállítással és számítási teljesítménnyel. Célunk, hogy lehetővé tegyük a további kutatásokat olyan modellekben, amelyek specifikus állapotokra és populációkra összpontosítanak, még akkor is, ha az adatok hiányosak vagy ha költség- vagy számítási akadályok állnak fenn.
A Salcit Technologies, egy indiai légzőszervi egészségügyi vállalat, egy Swaasa® nevű terméket fejlesztett ki, amely AI-t használ a köhögőhangok elemzésére és a tüdő egészségének felmérésére. Most a vállalat azt vizsgálja, hogyan segíthet a HeAR a bioakusztikus AI modellek képességeinek bővítésében. A Swaasa® a HeAR-t felhasználva kutatja és javítja a TB korai észlelését köhögőhangok alapján.
A TB gyógyítható betegség, de évente milliók esnek áldozatul a diagnózis hiányának — gyakran azért, mert az embereknek nincs kényelmes hozzáférésük az egészségügyi szolgáltatásokhoz. A diagnózis javítása kulcsfontosságú a TB felszámolásához, és az AI fontos szerepet játszhat a felismerés javításában, valamint a gondozás elérhetőbbé és megfizethetőbbé tételében világszerte.
A Swaasa® története a gépi tanulás korai betegségészlelésére épül, áthidalva az elérhetőség, megfizethetőség és skálázhatóság szakadékát, helyfüggetlen, berendezés nélküli légzőszervi egészségügyi értékelést kínálva. A HeAR segítségével lehetőséget látnak arra, hogy szélesebb körben terjesszék a TB szűrését Indiában.
„Minden egyes kihagyott tuberkulózis eset tragédia; minden késlekedő diagnózis szívfájdalom” – mondja Sujay Kakarmath, a Google Research termékmenedzsere, aki a HeAR-on dolgozik. „Az akusztikus biomarkerek lehetőséget kínálnak ennek a narratívának a megváltoztatására. Nagyon hálás vagyok a HeAR szerepéért ebben az átalakító folyamatban.”
A HeAR az akusztikus egészségügyi kutatás jelentős előrelépését jelenti. Reméljük, hogy elősegítjük a jövőbeli diagnosztikai eszközök és nyomon követési megoldások fejlesztését a TB, mellkasi, tüdő és más betegségterületeken, és javítjuk az egészségügyi eredményeket a világ különböző közösségeiben a kutatásunk révén.
Érdekes tény: A HeAR modellek képesek azonosítani a TB korai jeleit köhögőhangok alapján, így potenciálisan segíthetnek a betegség korai diagnózisában, amikor a kezelés a leghatékonyabb.
Források: Google Research, Salcit Technologies, Stop TB Partnership
