Bezobjawowe przypadki zakażenia Covidem-19 nie wykazują z definicji żadnych zauważalnych objawów fizycznych choroby. Dlatego takie osoby też są mniej skłonni do poszukiwania testów na obecność wirusa i mogą nieświadomie rozprzestrzenić zakażenie na inne osoby.
Wygląda jednak na to, że osoby bezobjawowe mogą nie być całkowicie wolne od zmian wywołanych przez wirusa. Badacze MIT odkryli, że pacjenci bezobjawowi mogą różnić się od zdrowych osób w sposób, w jaki kaszlą. Różnice te są nie do rozszyfrowania dla ludzkiego ucha. Okazuje się jednak, że mogą one być wychwytywane przez sztuczną inteligencję.
Podstawą nowego narzędzia diagnostycznego był algorytm, który opracowywali naukowcy z Massachusetts Institute of Technology w celu określenia objawów choroby Alzheimera. Choroba ta związana jest z degradacją nerwowo-mięśniową i naukowcy zajmujący się sztuczną inteligencją starali się ocenić za pomocą mowy i kaszlu osłabienie strun głosowych.
Osiągnęli w tym zakresie wspaniałe rezultaty, ale pandemia COVID-19 zmusiła naukowców do spojrzenia na ich opracowanie z innej perspektywy. Stało się jasne, że u niektórych pacjentów z COVID-19 mogą wystąpić podobne objawy neurologiczne, dlatego algorytm zdecydował się dostosować go do rozpoznawania infekcji koronaawirusowej.
W artykule opublikowanym niedawno w IEEE Journal of Engineering in Medicine and Biology, zespół donosi o modelu SI, który odróżnia osoby bezobjawowe od zdrowych osób poprzez nagrania wymuszonego kaszlu.
Dane były zbierane online. Każdy mógł wypełnić ankietę i przesłać nagranie dźwiękowe swojego kaszlu i mowy, niezależnie od tego, czy zdiagnozowano u niego COVID-19. Różnice w kaszlu nie mogą być odszyfrowane przez człowieka, ale AI była w stanie dokładnie określić i sklasyfikować wszystkie przypadki.
Badacze przeszkolili model na dziesiątkach tysięcy próbek kaszlu, a także wypowiadanych słów. Kiedy "karmiono" model nowymi nagraniami kaszlu, udało się dokładnie zidentyfikować 98,5% kaszlu od osób, u których potwierdzono, że mają Covid-19, w tym 100% kaszlu od bezobjawowych osób - które zgłosiły, że nie mają objawów, ale wykazały pozytywny wynik testu na obecność wirusa.
Diagnozę oparto na czterech biomarkerach, tak samo jak w przypadku Alzheimera - siła struny głosowej, emocjonalny ton mowy, charakterystyka oddechowa i degradacja mięśni.
"Uważamy, że reprodukcja dźwięku zmienia się, gdy COVID-19 jest obecny, nawet jeśli nie ma żadnych objawów", wyjaśniają naukowcy.
Zespół pracuje nad włączeniem modelu do przyjaznej dla użytkownika aplikacji, która, gdyby FDA zatwierdziło i przyjęło na dużą skalę, mogłaby być potencjalnie bezpłatnym, wygodnym, nieinwazyjnym narzędziem przesiewowym do identyfikacji osób, u których Covid-19 może być bezobjawowy. Użytkownik mógłby logować się codziennie, kaszlnąć w telefonie i natychmiast uzyskać informację, czy istnieje możliwość zakażenia, a zatem powinien potwierdzić to za pomocą formalnego testu.
"Skuteczne wdrożenie tego grupowego narzędzia diagnostycznego mogłoby zmniejszyć rozprzestrzenianie się pandemii, gdyby każdy korzystał z niego przed pójściem do klasy, fabryki lub restauracji", mówi współautor Brian Subirana, naukowiec badawczy w Laboratorium Auto-ID MIT.
Zakładki