تیمی به رهبری دانشمندان گوگل ابزاری برای یادگیری ماشینی ایجاد کرده اند که می تواند با ارزیابی صداهایی مانند سرفه و تنفس به تشخیص و نظارت بر وضعیت سلامت کمک کند. سیستم هوش مصنوعی (AI) 1 که بر روی میلیون‌ها کلیپ صوتی از صدای انسان آموزش داده شده است، ممکن است روزی توسط پزشکان برای تشخیص بیماری‌هایی از جمله کووید-۱۹ و سل و ارزیابی عملکرد ریه‌های فرد مورد استفاده قرار گیرد.
این اولین بار نیست که یک گروه تحقیقاتی استفاده از صدا را به عنوان یک نشانگر زیستی برای بیماری ها بررسی می کند. این مفهوم در طول همه‌گیری COVID-19 مورد توجه قرار گرفت، زمانی که دانشمندان دریافتند که تشخیص بیماری تنفسی از طریق سرفه یک فرد امکان پذیر است .
محققان که در اوایل این ماه این ابزار را در یک پیش‌چاپ ۱ گزارش کردند که هنوز بررسی نشده است، می‌گویند هنوز خیلی زود است که بگوییم HeAR به یک محصول تجاری تبدیل خواهد شد یا خیر. در حال حاضر، برنامه این است که محققان علاقه مند به این مدل دسترسی داشته باشند تا بتوانند از آن در تحقیقات خود استفاده کنند. Sujay Kakarmath(سوجای کاکارمث)، مدیر محصول گوگل در شهر نیویورک که روی این پروژه کار می کرد، عنوان کرد: هدف و انگیزه ما به عنوان بخشی از Google Research این است که نوآوری در این زمینه نوپا را تحریک کنیم.
اکثر ابزارهای هوش مصنوعی که در این فضا گسترش می یابند، بر روی ضبط‌های صوتی به عنوان مثال، سرفه‌ها که با اطلاعات سلامتی درباره فردی که صداها را ایجاد کرده است، آموزش داده می‌شوند. به عنوان مثال، ممکن است بر روی این کلیپ ها برچسب زده شود تا نشان دهد که شخص در زمان ضبط، برونشیت داشته است. این ابزار می‌آید تا ویژگی‌های صداها را در یک فرآیند آموزشی به نام یادگیری نظارت شده با برچسب داده مرتبط کند.
هر کلیپ به نمایش تصویری صدا به نام طیف نگار تبدیل شد. سپس محققان بخش‌هایی از طیف‌نگارها را مسدود کردند تا به نمونه کمک کنند تا بخش های از بین رفته را پیش‌بینی کند. این شبیه به این است که نمونه زبان بزرگی که زیربنای ربات چت ChatGPT است، برای پیش‌بینی کلمه بعدی در یک جمله پس از آموزش بر روی نمونه‌های بی‌شماری از متن انسانی آموزش داده شد. با استفاده از این روش، محققان نمونه ایی را ایجاد کردند که آن را مدل پایه می نامند، که به گفته آنها می تواند برای بسیاری از وظایف تطبیق داده شود.
ینسوسان که یک کنسرسیوم تحقیقاتی را رهبری می کند می گوید: حوزه آکوستیک سلامت یا صوتی‌شناسی امیدوارکننده است. علم آکوستیک برای چندین دهه وجود داشته است. فرق آن این است که اکنون، با هوش مصنوعی و یادگیری ماشینی، ما ابزار جمع آوری و تجزیه و تحلیل بسیاری از داده ها را به طور همزمان داریم. او که بر روی کاوش صدا به عنوان یک نشانگر زیستی برای ردیابی سلامت تمرکز دارد.
