Các nhà nghiên cứu đang xây dựng hệ thống máy học để xác định các ca nhiễm COVID-19 thông qua tiếng ho của con người.
Một hệ thống đã cho thấy tỷ lệ thành công cao trong việc nhận biết COVID-19 trong những người không có triệu chứng bệnh. Công cụ như vậy có vai trò quan trọng trong cuộc chiến chống COVID-19 mà có thể lây nhiễm bởi những người không biết rằng họ đã nhiễm bệnh.
Các nhà nghiên cứu tại Viện Công nghệ Massachusetts, MIT, gần đây đã công bố tài liệu báo cáo kết quả của hệ thống.
Nhóm nghiên cứu đã tạo ra một mô hình trí tuệ nhân tạo (AI) nhằm nghiên cứu những tiếng ho nặng. Âm thanh này được thu thập từ những người tự ghi âm mình trên máy tính hoặc thiết bị di động. Các cá nhân cũng được yêu cầu cung cấp thông tin về bất cứ triệu chứng nào họ đang có, cũng như liệu họ đã từng xét nghiệm COVID-19 chính thức hay chưa.
Sau đó mọi người gửi các bản thu âm và số liệu cho các nhà khoa học qua internet hoặc thiết bị của họ. Các nhà nghiên cứu cho biết họ đã nhận hơn 70,000 bản thu âm, tổng cộng đến khoảng 200,000 mẫu tiếng ho cá nhân. Nhóm nghiên cứu sau đó đã huấn luyện mô hình bằng tiếng ho, cũng như các từ ngữ được nói.
Các nhà nghiên cứu báo cáo rằng, khi các bản thu âm tiếng ho mới được đưa vào hệ thống, nó sẽ xác định một cách chính xác 98.5% tiếng ho của những người đã được xác nhận là mắc COVID-19. Mẫu hình này cũng xác định đúng 100% tiếng ho của những người được báo là có kết quả xét nghiệm dương tính với virus, nhưng không có triệu chứng của dịch bệnh.
Một trong số trưởng dự án là Brian Subirana, một nhà khoa học nghiên cứu tại Phòng thí nghiệm Auto-ID của MIT. Subirana và nhóm của mình đã phát triển các mẫu hình AI để phân tích các bản thu âm tiếng ho nặng để tìm kiếm triệu chứng cho bệnh Alzheimer. Những triệu chứng này có thể bao gồm sự thay đổi trong tính cách và mất trí nhớ, nhưng Alzheimer cũng có thể gây ra các vấn đề thần kinh và cơ bắp, bao gồm giọng nói yếu.
Nhóm nghiên cứu của MIT cho biết mẫu hình mới nhất của họ được huấn luyện để xác định bệnh Alzheimer từ tiếng ho cũng cho thấy một tiến trình hiệu quả như là một cách khả thi để giúp phát hiện tình trạng này.
Theo chia sẻ của Subirana với MIT News, vì vậy khi dịch bệnh virus corona phát triển, ông nghĩ một hệ thống mẫu hình tương tự có thể có hiệu quả với COVID-19. Điều này là bởi có bằng chứng cho rằng những cá nhân nhiễm COVID-19 cũng có thể trải qua việc cơ họng yếu.
Subirana cho biết các nhà nghiên cứu tìm ra “một sự tương đồng nổi bật” trong khả năng xác định Alzheimer và COVID-19 của mẫu hình. Ông cũng chia sẻ thêm thí nghiệm cho thấy cách mà một người có giọng nói thay đổi nếu họ nhiễm COVID-19 kể cả không có triệu chứng vật lý.
Nhóm nghiên cứu cho biết họ đang làm việc để tạo ra “một ứng dụng thân thiện với người dùng” mà có thể sử dụng rộng rãi để phát hiện các ca nhiễm COVID-19. Điều này sẽ cho phép người dùng có thể ho vào điện thoại và nhận thông tin tức khắc về liệu họ có thể bị nhiễm bệnh và nên xét nghiệm chính thức hay không.
Tính năng hữu ích của công cụ như vậy cũng có thể “giảm bớt sự lây lan của đại dịch nếu mọi người sử dụng nó trước khi đến phòng học, nhà máy, hay nhà hàng,” Subirana giải thích.
Các nhà nghiên cứu Hoa Kỳ tại Đại học Carnegie Mellon tại Pennsylvania cũng sử dụng phương pháp máy học để phát triển một “hệ thống xét nghiệm COVID-19 ndựa vào giọng nói,” Pittsburgh Post-Gazette báo cáo rằng, hệ thống như vậy cũng sử dụng các bản thu âm tiếng ho – cũng như các âm hữu thanh và bảng chữ cái để xác định “đặc trưng” của virus.
Tại Anh, một dựa án tương tự cũng đang được thực hiện bởi các kỹ sư tại Đại học Cambridge. Các nhà nghiên cứu của hệ thống vào tháng 7 đã cho biết rằng họ đã tạo ra một công cụ máy học có thể xác định ca nhiễm COVID-19 một cách chính xác dựa trên tiếng ho và hít thở. Nhóm cho biết những mô hình như vậy có tỷ lệ thành công cao đến khoảng 80% trong các cuộc thử nghiệm trong phòng thí nghiệm.
--------------------------------------------------
Được in lại từ bản quyền được bảo lưu toàn bộ bởi tác giả gốc.
風險提示:本文所述僅代表作者個人觀點,不代表 Followme 的官方立場。Followme 不對內容的準確性、完整性或可靠性作出任何保證,對於基於該內容所採取的任何行為,不承擔任何責任,除非另有書面明確說明。

暫無評論,立馬搶沙發