Zvuci koje naše telo proizvodi, poput kašlja, govora, pa čak i disanja, sadrže mnogo informacija o našem zdravlju. Suptilni tragovi skriveni unutar ovih bioakustičnih zvukova imaju potencijal da revolucionizuju način na koji vršimo skrining, dijagnozu, praćenje i upravljanje raznim zdravstvenim stanjima, kao što su tuberkuloza (TB) ili hronična opstruktivna bolest pluća (HOBP).
Istraživači u Google-u, prepoznali su potencijal zvuka kao korisnog signala za zdravlje, kao i činjenicu da su mikrofoni na pametnim telefonima široko dostupni. Zbog toga su istraživali načine kako da koriste veštačku inteligenciju (AI) za izvlačenje zdravstvenih uvida iz akustičnih podataka.
Ranije ove godine, predstavili su Health Acoustic Representations (HeAR), bioakustični osnovni model dizajniran da pomogne istraživačima da kreiraju modele koji mogu da slušaju zvuke koje proizvodi ljudsko telo i detektuju rane znake bolesti. Google Research tim je obučavao HeAR na 300 miliona audio zapisa prikupljenih iz raznolikog i anonimiziranog skupa podataka, a poseban model za kašalj je treniran koristeći oko 100 miliona zvukova kašlja.
HeAR uči da prepozna obrasce u zvucima povezanim sa zdravljem, stvarajući snažnu osnovu za medicinsku audio analizu. Otkriveno je da, u proseku, HeAR postiže bolje rezultate od drugih modela u širokom spektru zadataka i za generalizaciju preko različitih mikrofona, što pokazuje njegovu superiornu sposobnost da uhvati značajne obrasce u akustičnim podacima povezanim sa zdravljem. Modeli trenirani koristeći HeAR takođe su postigli visoke performanse sa manje podataka za obuku, što je ključan faktor u često oskudnom svetu zdravstvenih istraživanja.
HeAR je sada dostupan istraživačima kako bi ubrzao razvoj prilagođenih bioakustičnih modela sa manje podataka, postavki i računarskih resursa. Cilj je da omoguće dalja istraživanja modela za specifična stanja i populacije, čak i ako su podaci oskudni ili postoje barijere u pogledu troškova ili računarskih resursa.
Salcit Technologies, indijska kompanija koja se bavi respiratornim zdravljem, razvila je proizvod pod nazivom Swaasa®, koji koristi AI za analizu zvukova kašlja i procenu zdravlja pluća. Sada kompanija istražuje kako HeAR može pomoći u proširenju mogućnosti njihovih bioakustičnih AI modela. Za početak, Swaasa® koristi HeAR kako bi istraživala i poboljšala ranu detekciju tuberkuloze na osnovu zvukova kašlja.
Tuberkuloza je izlečiva bolest, ali svake godine milioni slučajeva ostaju neotkriveni — često zato što ljudi nemaju lak pristup zdravstvenim uslugama. Poboljšanje dijagnostike je ključno za iskorenjivanje TB-a, a AI može igrati važnu ulogu u poboljšanju detekcije i pomaganju da nega postane dostupnija i pristupačnija ljudima širom sveta. Swaasa® već koristi mašinsko učenje za pomoć u ranom otkrivanju bolesti, premošćujući jaz u pogledu dostupnosti, pristupačnosti i skalabilnosti nudeći procenu respiratornog zdravlja bez potrebe za lokacijom ili opremom. Sa HeAR-om, vide priliku da prošire skrining za TB širom Indije, gradeći na ovom istraživanju.
“Svaki propušten slučaj tuberkuloze je tragedija; svaka kasna dijagnoza je srceparajuća,” kaže Sujay Kakarmath, menadžer proizvoda u Google Research-u koji radi na HeAR-u. “Akustični biomarkeri imaju potencijal da preokrenu ovu priču. Duboko sam zahvalan za ulogu koju HeAR može igrati u ovom transformativnom putovanju.”
HeAR predstavlja značajan korak napred u istraživanju akustičnog zdravlja, piše blog.google.
