在某些疾病的早期階段，或許只有非常有限的微小證據(jù)能夠表明健康情況正在發(fā)生變化，但仍可能存在著一些微妙的線索。最近的兩項(xiàng)研究表明，人工智能算法可以成功地分析人們的聲音，以識別帕金森氏病早期或肺部嚴(yán)重新冠肺炎感染者。研究人員將這些算法整合到一款名為Aum的智能手機(jī)應(yīng)用程序中，該應(yīng)用程序可用于診斷和監(jiān)測各自的狀況。

澳大利亞皇家墨爾本理工學(xué)院（RMIT）教授Dinesh Kumar參與了這兩項(xiàng)研究，他解釋說：“臨床醫(yī)生經(jīng)常使用人們的聲音來評估患者，尤其是神經(jīng)退行性疾病，如帕金森氏?。≒arkinson’s disease）和肺部疾病，無論是新型冠狀病毒肺炎（COVID-19）還是其他肺部疾病。這種[方法]不僅是為了檢測疾病，而且是為了評估藥物的效果并優(yōu)化劑量?！?/p>

Kumar和他的同事試圖探索機(jī)器學(xué)習(xí)算法是否可以檢測到人聲音中的這些細(xì)微之處。在他們的第一項(xiàng)研究中，他們招募了36名帕金森病患者和36名健康志愿者。重要的是，人們的聲音之間存在著天然的差異，這可能會導(dǎo)致很難區(qū)分哪些人患有或不患有潛在的疾病。Kumar解釋道：“為了克服這個(gè)問題，我們尋找了能夠檢測出疾病的非語言聲音，盡管人們的聲音存在自然差異?！?/p>

因此，他的團(tuán)隊(duì)要求研究參與者說出不同的音素，這些音素需要從喉嚨（/a/）、嘴巴（/o/）和鼻子（/m/）發(fā)出聲音。錄音是使用基于iOS的智能手機(jī)進(jìn)行的。然后，他們開發(fā)并應(yīng)用了一種機(jī)器學(xué)習(xí)算法，該算法可以區(qū)分帕金森氏癥患者和健康志愿者，而無需考慮環(huán)境背景噪聲。在9月12日發(fā)表于IEEE Access的研究中，他們報(bào)告稱，該算法可以100%準(zhǔn)確地識別研究人群中患有帕金森氏癥的人。

Kumar指出：“更重要的是，我們可以區(qū)分服用活性藥物和不服用活性藥物的帕金森病。這非常重要，因?yàn)榧词够颊邿o法前往診所，神經(jīng)科醫(yī)生也可以評估患者，因此非常適用于居住在偏遠(yuǎn)地區(qū)的人。”

2021年6月和7月，這項(xiàng)初步研究的研究人員之一、RMIT副教授Nemuel Pah有機(jī)會對印尼的新型冠狀病毒肺炎患者進(jìn)行了類似的研究。在這種情況下，Pah在22天的過程中記錄了40名住院新型冠狀腺炎患者和48名健康受試者，要求他們說出六個(gè)音素（/a/、/e/、/i/、/o/、/u/和/m/）。

研究人員隨后將不同的機(jī)器學(xué)習(xí)算法應(yīng)用于該數(shù)據(jù)，發(fā)現(xiàn)入院后前三天從元音/i/中提取的特征在區(qū)分新冠肺炎肺部感染者和健康對照者方面最有效。該算法以94%的準(zhǔn)確率實(shí)現(xiàn)了這一目標(biāo)。這些結(jié)果于9月20日發(fā)表在《IEEE健康與醫(yī)學(xué)轉(zhuǎn)化工程雜志》上。

Kumar說，使用應(yīng)用程序識別新冠肺炎患者的一個(gè)優(yōu)點(diǎn)是，語音記錄不需要醫(yī)生與患者進(jìn)行身體接觸，因此是限制接觸的合適方法?！罢Z音記錄可以從遠(yuǎn)程患者那里獲得，”他說，并指出這種音素分析方法也不依賴于語言。

Kumar說，他的團(tuán)隊(duì)有興趣在現(xiàn)實(shí)世界中應(yīng)用這些方法，但還需要做更多的工作。具體來說，他們正在尋求向澳大利亞藥品管理局、美國食品和藥物管理局（FDA）和中國國家醫(yī)藥產(chǎn)品管理局（National Medical Products Administration）注冊他們的技術(shù)。Kumar說：“這需要時(shí)間和金錢；我們希望從關(guān)注帕金森病的（人和）組織，如Michael J. Fox或投資者那里獲得資金?！?/p>

審核編輯 ：李倩