Google обучил ИИ выявлять туберкулёз у людей по кашлю
Google и индийский ИИ-стартап объединили усилия, чтобы обучить искусственный интеллект «слышать» болезни по звуку. Информация появилась на сайте американской корпорации.
ИИ-модель Google HeAR (Health Acoustic Representations) анализирует звуковые сигналы для прогнозирования ранних признаков заболеваний. Она была обучена на 300 млн звуковых фрагментов, включая кашель, чихание и дыхание. Среди них — 100 млн звуков кашля, которые теперь используются для обнаружения туберкулёза. Система уже сейчас применяется для выявления этой болезни, от которой ежедневно умирают около 4 500 человек.
«Такие решения, как HeAR, позволят акустическому анализу на основе искусственного интеллекта открыть новые горизонты в скрининге и выявлении туберкулёза, предлагая потенциально малотравматичный и доступный инструмент для тех, кто в нем больше всего нуждается», — прокомментировал Чжи Чжэнь Цинь, специалист по цифровому здравоохранению из Партнёрства «Остановить туберкулёз».
Индийский партнёр Google — стартап Salcit Technologies — специализируется на разработке ИИ для диагностики заболеваний дыхательной системы. Salcit использует ИИ-модель Google для повышения точности диагностики туберкулёза и оценки состояния лёгких, комбинируя её с собственной моделью машинного обучения Swaasa, которая используется в ведущих медицинских учреждениях Индии.
Всё же внедрение новой технологии в медицинскую практику сталкивается с определёнными трудностями — принятие нового инструмента медицинским сообществом. Существуют также проблемы с качеством записываемых аудиофайлов из-за фонового шума и трудности использования приложения в сельских районах.
«HeAR учится различать закономерности в звуках, связанных со здоровьем, создавая мощную основу для медицинского аудиоанализа. Мы обнаружили, что в среднем HeAR занимает более высокое место, чем другие модели, по широкому кругу задач и для обобщения по микрофонам, демонстрируя свою превосходную способность улавливать значимые закономерности в акустических данных, связанных со здоровьем. Модели, обученные с использованием HeAR, также достигли высокой производительности с меньшим количеством обучающих данных, что является решающим фактором в часто скудном мире медицинских исследований», — прокомментировали представители Google.
