افراد بدون علائم که به ویروس کرونا مبتلا هستند، طبق تعریف هیچ علائم جسمی قابل تشخیصی از این بیماری ندارند. بنابراین کمتر احتمال دارد که تست ویروس کرونا را انجام دهند و ناآگاهانه میتوانند عفونت را به دیگران منتقل کنند. محققان دانشگاه MIT اکنون دریافتند که افراد بدون علائم که کرونا مبتلا هستند، ممکن است از نظر سرفه با افراد سالم متفاوت باشند. این تفاوتها برای گوش انسان قابل رمزگشایی نیستند اما توسط هوش مصنوعی قابل تشخیص خواهد بود.
علائم مبتلا به ویروس کرونا را از طریق ضبط سرفهها
در مقالهای که اخیراً در مجله مهندسی پزشکی و زیست پزشکی IEEE منتشر شده است، یک مدل هوش مصنوعی ارائه شده که افراد بدون علائم مبتلا به ویروس کرونا را از طریق ضبط سرفهها، از افراد سالم متمایز میکند.
در واقع افرادی میتوانند به طور داوطلبانه از طریق مرورگرهای وب و دستگاههایی مانند تلفنهای همراه و لپ تاپ صدای سرفهی خود را ارسال کنند و از این طریق تست کرونا دهند.
محققان این مدل را روی ده هزار نمونه سرفه و همچنین کلمات گفتاری آموزش دادند. در نهایت به طور دقیق ۹۸٫۵ درصد سرفههای افرادی که به Covid-19 مبتلا بودند درست تشخیص داده شده بود و در واقع این مدل قادر به شناسایی ویروس کرونا در افراد از طریق سرفه خواهد بود.
این تیم در حال کار بر روی ادغام این مدل در یک برنامه کاربر پسند است که در صورت تأیید و پذیرش FDA در مقیاس وسیع، میتواند یه یک ابزار رایگان و راحت برای شناسایی افرادی باشد که احتمالاً بدون علامت به ویروس Covid-19 مبتلا هستند. یک کاربر میتواند روزانه وارد سیستم شود، در تلفن خود سرفه کند و بلافاصله اطلاعاتی راجع به اینکه آیا ممکن است آلوده باشد را به دست آورد.
برایان سوبیرانا، یکی از نویسندگان محقق و دانشمند این آزمایشگاه میگوید: “اجرای موثر این ابزار تشخیصی، میتواند از گسترش همهگیری ویروس کرونا جلوگیری کند.”
شباهت فوق العاده چشمگیر
قبل از شروع شیوع همهگیری، گروههای تحقیقاتی قبلاً الگوریتمهایی را برای ضبط تلفنهای همراه از سرفه، آموزش داده بودند تا به طور دقیق شرایطی مانند ذاتالریه و آسم را تشخیص دهند. به روشی مشابه، تیم MIT در حال ساخت مدلهای هوش مصنوعی برای تجزیه و تحلیل سرفه اجباری بود تا ببیند آیا آنها میتوانند علائم آلزایمر را تشخیص دهند یا خیر؟
آنها ابتدا یک الگوریتم عمومی یادگیری ماشین، یا شبکه عصبی معروف به ResNet50 را آموزش دادند تا صداهای مرتبط با درجات مختلف قدرت صوتی را تشخیص دهد. مطالعات نشان داده است که کیفیت صدا میتواند نشانه ضعف یا قوی بودن تارهای صوتی شخص باشد.
در نهایت دانشمندان شبکه عصبی را روی یک مجموعه داده کتاب صوتی با بیش از ۱۰۰۰ ساعت سخنرانی آموزش دادند تا کلمه را به درستی تشخیص دهد و بتواند قدرت صدا را در کلمات مختلف بشناسد.
این تیم، یک شبکه عصبی دوم را برای تشخیص حالات هیجانی در گفتار آموزش داد تا بیماران آلزایمری و افرادی که به طور کلی دچار افت عصبی هستند را شناسایی کند این شبکه میتواند برخی احساسات مانند ناامیدی یا شادی را از طریق صدا تشخیص دهد.
محققان سپس شبکه عصبی سوم را در پایگاه داده سرفه آموزش دادند تا تغییرات عملکرد ریه و تنفس را تشخیص دهند. سرانجام، این تیم هر سه مدل را ترکیب کرد و یک الگوریتم را برای تشخیص تخریب عضلات روی هم قرار داد.
بیشتر بخوانید: نقش بیگ دیتا در مقابله با کرونا
الگورتیم شبیه سازی
این الگوریتم شبیهسازی یک ماسک صوتی یا لایهای از سر و صدا و تشخیص سرفههای شدید است. در نهایت نتایج نشان داد که، قدرت صوتی، احساسات، عملکرد ریوی و تنفسی و تخریب عضلات برای تشخیص بیماری بسیار کاربردی هستند و برای تشخیص ویروس کرونا در بیماران بهترین گزینه خواهند بود. در واقع این مدل توانسته است تا با بررسی و تجزیه و تحلیل صدا، ویروس کرونا را در مبتلایان بدون علائم تشخیص دهد.
تا به امروز، محققان بیش از ۷۰،۰۰۰ مورد ضبط شده از سرفه را جمع آوری کردهاند که هر کدام حاوی چندین سرفه است و در حدود ۲۰۰۰۰۰ نمونه صوتی سرفه اجباری وجود دارد که بزرگترین مجموعه تحقیقاتی سرفه بوده که ثبت شده است.
حدود ۲۵۰۰ از سفرههای ضبط شده توسط افراد، مبتلا به ویروس کرونا بوده و این ویروس توسط این مدل تشخیص داده شده است. آموزش این مدل بسیار دقیق بوده و کارایی و عملکرد خوبی را تاکنون ارائه کرده است. البته شباهت زیادی میان تشخیص ویروس کرونا و آلزامیر در این مدل دیده میشود که باید روی آن دقیق کار کرد تا نتایج ۱۰۰ درصدی را ارائه دهد.
مبتلایان به ویروس کرونا بدون هیچگونه علائم
مدل AI برای تشخیص افراد کرونایی با علائم نبوده است بلکه برای افرادی است که بدون علائم به ویروس کرونا مبتلا شدهاند. توجه داشته باشید که این افراد سرفه ندارند و باید به اجبار سرفه کنند تا این مدل از سرفهی اجباری ویروس کرونا را تشخیص دهد. قدرت این ابزار برای تشخیص سرفههای بدون علائم است.
این تیم در حال کار با یک شرکت برای توسعه این برنامه به صورت رایگان بوده است. آنها همچنین با چندین بیمارستان در سراسر جهان همکاری میکنند تا مجموعه متنوع تری از ضبط سرفه را جمعآوری کنند و به آموزش و تقویت دقت این مدل هوش مصنوعی کمک کنند.