Les téléphones portables utilisent l'IA pour entendre des « sons » afin d'identifier le nouveau coronavirus

L'intelligence artificielle (IA) peut détecter l'infection au COVID-19 à partir de la voix des gens grâce à une application pour téléphone mobile, ce qui est plus efficace que les tests antigéniques rapides, selon une étude annoncée lors de la conférence internationale de la Société européenne de respiration à Barcelone. Espagne le 4. Précis (jusqu'à 89%), moins cher, plus rapide et plus facile à utiliser.

L’infection au COVID-19 affecte souvent les voies respiratoires supérieures et les cordes vocales, provoquant des modifications dans la voix d’une personne. Wafaa Aljebawi, chercheuse à l'Institut de science des données de l'Université de Maastricht aux Pays-Bas, a expliqué que les résultats de la recherche montrent que de simples enregistrements vocaux et des algorithmes d'IA peuvent déterminer avec précision qui est infecté par le COVID-19. En outre, ils prennent également en charge la virtualisation à distance. . Le test prend moins d'une minute pour produire des résultats. De tels tests peuvent être utilisés sur les sites de test lors de grands rassemblements pour dépister rapidement les personnes.

L'équipe de recherche a utilisé les données de l'application « COVID-19 Sound Bank » de l'Université de Cambridge au Royaume-Uni, qui contient 893 échantillons audio provenant de 4 352 participants en bonne santé et non en bonne santé, dont 308 ont été testés positifs pour le COVID-19. L'application est installée sur le téléphone de l'utilisateur et les participants fournissent des informations de base sur leurs données démographiques, leurs antécédents médicaux et leur statut tabagique, puis sont invités à enregistrer un certain nombre de sons, notamment tousser 3 fois, respirer profondément par la bouche 3 à 5 fois, et lire sur l'écran une courte phrase 3 fois.

Les chercheurs ont utilisé une technique d'analyse de la parole appelée spectroscopie mel, qui identifie différentes caractéristiques de la parole telles que l'intensité sonore, la puissance et les changements au fil du temps.

Afin de distinguer les voix des patients atteints du COVID-19 de celles de ceux qui ne sont pas atteints de la maladie, les chercheurs ont construit différents modèles d'IA. Ils ont constaté que les modèles de mémoire à long terme et à court terme (LSTM) faisaient le meilleur travail de classification des cas de COVID-19. LSTM est basé sur des réseaux de neurones, qui imitent le fonctionnement du cerveau humain et identifient les relations sous-jacentes dans les données. Il peut également stocker des données en mémoire.

La précision globale de ce modèle AI-LSTM est de 89 %, la capacité à détecter correctement les cas positifs (taux de vrais positifs ou sensibilité) est de 89 % et la capacité d'identifier correctement les cas négatifs (taux de vrais négatifs ou spécificité) est de 83 %.

Les chercheurs ont déclaré que la sensibilité du test antigénique rapide n'est que de 56 %, mais que la spécificité atteint 99,5 %. Cela signifie que le test antigénique rapide a classé à tort plus de personnes positives pour l’infection comme négatives que celles classées dans ce test. En utilisant le modèle AI-LSTM, les chercheurs ont manqué 11 cas sur 100 qui ont ensuite propagé le virus, tandis que le test antigénique rapide en a manqué 44. Journaliste stagiaire Zhang Jiaxin

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!