谷歌: 谷歌最新AI聽咳嗽就能檢測新冠/結核

2024-03-23 | 來源: 新智元 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

而在AI身上，就不用擔心這些因素了。

Gerald Lip博士在NHS Grampian對AI工具進行評估

當然，Mia目前還並不完美，比如它無法訪問任何患者的病史，可能會把已經確定為無害的腫瘤誤標記為癌症。

目前，每張掃描圖會由兩名放射科醫生檢查，但在不久的未來，AI很可能就會取代一名人類醫生，讓工作量減半。

AI通過分析咳嗽聲診斷疾病

同樣，就在本周，來自谷歌的研究團隊開發了一種機器學習工具，可以通過分析人的咳嗽聲和呼吸聲等，幫助醫生檢測和監控健康狀況。

這個名為健康聲學表征（HeAR）的AI系統，得到了數百萬音頻片段中人聲的訓練，並未來可能被用於診斷COVID-19、結核病等疾病，以及評估一個人的肺部健康狀況。

其創新之處在於，HeAR所訓練的龐大數據集，以及它能夠根據不同的需求進行調整，以完成多種任務。

論文地址：https://arxiv.org/abs/2403.02522

在這個領域，大部分AI工具都是利用經過打標的音頻記錄來構建的。

其中，咳嗽的錄音會和患者的健康信息一起被喂給模型。比如，患者在錄制音頻時，得了支氣管炎。

DeepSeek歐洲"翻車" 要求蘋果和谷歌下架

最新庭審:谷歌殺妻案,陳某出庭,拒不認罪

谷歌殺妻男與前女友藕斷絲連還嫌老婆賺錢沒前任多?!

之後，模型就能通過「監督學習」的方式，學會如何將聲音的特點和對應的數據標注聯系起來。

「在醫學上，監督學習方法有著臨床驗證的支持，」南佛羅裡達大學的醫生Yael Bensoussan解釋說。「但缺點在於，標注好的數據集非常稀缺。」

為了解決這一問題，谷歌決定自監督學習的方式，擺脫對標注數據的依賴。

具體來說，團隊從YouTube上公開的視頻中，自動提取了超過3億條包含咳嗽、呼吸、清嗓等人類聲音的音頻。

然後，將每條音頻都轉換成名為頻譜圖的聲音視覺表征形式。

接著，研究人員會隱去頻譜圖的某些部分，讓模型學習預測這些缺失部分，過程類似於訓練大語言模型預測文本中的下一個token。

通過微調，谷歌團隊成功讓模型能夠檢測COVID-19、結核病以及諸如是否吸煙等特征。

結果顯示，HeAR在不同數據集上進行COVID-19檢測的得分分別為0.645和0.710，這比基於語音或普通音頻數據訓練的現有模型表現更佳。

對於結核病的檢測，HeAR的得分更是高達0.739。

（0.5分代表模型的表現與隨機猜測無異，而1分則代表模型每次都能准確預測）