Uncategorized

Εντοπίσετε ασυμπτωματική μόλυνση στον COVID-19 με AI στο κινητό σας τηλέφωνο;

Οι ερευνητές διαπίστωσαν ότι η ασυμπτωματική μόλυνση στον κορωνοϊό που προκαλείται από το βήχα μπορεί να διαφέρει από τους υγιείς ανθρώπους. Ωστόσο, μια τέτοια διαφορά δεν μπορεί να αποκρυπτογραφηθεί από το ανθρώπινο αυτί. Αποδεικνύεται λοιπόν ότι η τεχνητή νοημοσύνη σε ένα κινητό τηλέφωνο μπορεί να σηκώσει και να διαφοροποιήσει έναν τέτοιο βήχα στον COVID-19. Τα ασυμπτωματικά άτομα που έχουν μολυνθεί με Sars-CoV-2 δεν έχουν, εξ ορισμού, ορατά φυσικά συμπτώματα της νόσου. Ως αποτέλεσμα, είναι λιγότερο πιθανό να αναζητήσουν τον ιό και εν αγνοία τους να μεταδώσουν τη μόλυνση σε άλλους.

Μπορεί το κινητό να καταγράψει ασυμπτωματική μόλυνση?

η ασυμπτωματική μόλυνση στον covid 19 καταγράφεται και αναγνωρίζεται χρησιμοποιώντας τεχνητή νοημοσύνη με βήχα στο κινητό τηλέφωνο

Φαίνεται ότι όσοι είναι ασυμπτωματικοί δεν είναι εντελώς απαλλαγμένοι από αλλαγές που προκαλούνται από τον ιό. Οι ερευνητές του MIT διαπίστωσαν τώρα ότι οι άνθρωποι που είναι ασυμπτωματικοί μπορεί να διαφέρουν από τους υγιείς στον τρόπο που βήχουν. Σε αυτή την περίπτωση, η τεχνητή νοημοσύνη μπαίνει στο παιχνίδι και μπορεί να διακρίνει ένα σύμπτωμα με καταγραφή. Σε ένα πρόσφατο άρθρο που δημοσιεύτηκε στο IEEE Journal of Engineering for Medicine and Biology, η ομάδα αναφέρει ένα μοντέλο που ανιχνεύει ασυμπτωματικούς ανθρώπους από υγιή άτομα μέσω αναγκαστικών αρχείων βήχα. Αυτά υποβλήθηκαν εθελοντικά μέσω φυλλομετρητών ιστού και συσκευών όπως κινητά τηλέφωνα και φορητούς υπολογιστές.

Γυναίκα γιατρός εξετάζει τον ασθενή για συμπτώματα κορώνας που προκαλούνται από βήχα

Οι ερευνητές εκπαίδευσαν το μοντέλο AI σε δεκάδες χιλιάδες δείγματα βήχα καθώς και σε προφορικές λέξεις. Όταν τροφοδότησαν το μοντέλο με νέα αρχεία βήχα, εντόπισαν το 98,5 τοις εκατό του βήχα από άτομα που έχουν COVID-19, συμπεριλαμβανομένου του 100 τοις εκατό του ασυμπτωματικού βήχα. Ανέφεραν ότι δεν είχαν συμπτώματα αλλά ήταν θετικοί στον ιό. Η ομάδα εργάζεται για την ενσωμάτωση του μοντέλου σε μια εφαρμογή φιλική προς το χρήστη. Εάν εγκριθεί και υιοθετηθεί σε μεγάλη κλίμακα, μια τέτοια προσέγγιση μπορεί δυνητικά να μετατραπεί σε ένα δωρεάν, βολικό και μη επεμβατικό εργαλείο προελέγχου. Επίσης, διευκολύνει τον εντοπισμό ατόμων που είναι πιθανό να έχουν ασυμπτωματικό COVID-19. Ο χρήστης μπορεί να συνδέεται καθημερινά, να βήχει στο τηλέφωνό του και να λαμβάνει άμεσες πληροφορίες σχετικά με το εάν μπορεί να έχει μολυνθεί. Αυτό θα πρέπει στη συνέχεια να επιβεβαιωθεί με μια επίσημη δοκιμή.

Νέα ιδέα για τη διάγνωση

μέτρα ασφαλείας κατά απόσταση ενώ κάθεστε στο αεροδρόμιο κατά τη διάρκεια της πανδημίας του Covid 19

Η αποτελεσματική εφαρμογή τέτοιων εργαλείων με τεχνητή νοημοσύνη θα μπορούσε να μειώσει την εξάπλωση της πανδημίας, αν ο καθένας το χρησιμοποιήσει πριν πάει σε τάξη, εργοστάσιο ή εστιατόριο, σύμφωνα με τους συγγραφείς της μελέτης. Αρχικά εκπαίδευσαν έναν γενικό αλγόριθμο μηχανικής μάθησης ή νευρωνικό δίκτυο γνωστό ως ResNet50. Αυτό θα πρέπει συνεπώς να μπορεί να κάνει διάκριση μεταξύ θορύβων που σχετίζονται με διαφορετικούς βαθμούς δύναμης φωνητικών χορδών. Χρησιμοποιώντας το νέο πλαίσιο τεχνητής νοημοσύνης, η ομάδα παρέδωσε ηχογραφήσεις, συμπεριλαμβανομένων ασθενών με Αλτσχάιμερ. Οι ερευνητές διαπίστωσαν ότι θα μπορούσε να προσδιορίσει τα δείγματα του Αλτσχάιμερ καλύτερα από τα υπάρχοντα μοντέλα. Τα αποτελέσματα έδειξαν ότι η δύναμη των φωνητικών χορδών, η διάθεση, η πνευμονική και αναπνευστική απόδοση και η μυϊκή διάσπαση ήταν αποτελεσματικοί βιοδείκτες για τη διάγνωση της νόσου. Το μοντέλο AI δεν προορίζεται για τη διάγνωση συμπτωματικών ατόμων, εκτός εάν τα συμπτώματά τους οφείλονται σε COVID-19 ή σε άλλες ασθένειες όπως η γρίπη ή το άσθμα. Η δύναμη του εργαλείου έγκειται στην ικανότητά του να διακρίνει μια ασυμπτωματική λοίμωξη από έναν υγιή βήχα.

Γιατρός με συσκευή ακρόασης και μπράβο μπροστά από τον ασθενή του ανιχνεύει συμπτώματα κορονοϊού

Η ομάδα συνεργάζεται με μια εταιρεία για να αναπτύξει μια δωρεάν εφαρμογή προελέγχου βασισμένη σε ένα τέτοιο μοντέλο τεχνητής νοημοσύνης. Συνεργάζονται επίσης με αρκετά νοσοκομεία σε όλο τον κόσμο. Αυτό σας επιτρέπει να συλλέξετε ένα μεγαλύτερο, πιο ποικίλο σύνολο εγγραφών που αυτή η ακρίβεια του μοντέλου μπορεί να χρησιμοποιήσει καθώς εκπαιδεύεστε. Οπως και στο άρθρο της προτείνουν, “Οι πανδημίες θα μπορούσαν να ανήκουν στο παρελθόν εάν τα εργαλεία προελέγχου λειτουργούσαν πάντα στο παρασκήνιο και βελτιώνονταν συνεχώς.” Τελικά, οραματίζονται μοντέλα ηχητικής τεχνητής νοημοσύνης όπως αυτό που ανέπτυξαν να ενσωματώνονται σε έξυπνα ηχεία και άλλα ακουστικά βαρηκοΐας. ότι οι άνθρωποι μπορούν εύκολα να έχουν μια αρχική εκτίμηση κινδύνου για τον κίνδυνο ασθένειάς τους, πιθανώς σε καθημερινή βάση.