AI又一突破！“咳嗽模型”誕生，一聲咳嗽，告知你的身體健康

撰文 | 馬雪薇

前言

根據(jù)世界衛(wèi)生組織（WHO） 2021 年公布的數(shù)據(jù)，世界前 10 大死因共計造成 3900 萬人死亡，占全球死亡總?cè)藬?shù)（6800 萬）的 57%，其主要與兩大類疾病有關，即心血管疾病（如缺血性心臟病、中風等）和呼吸系統(tǒng)疾?。ㄈ绶谓Y(jié)核、慢性阻塞性肺病、下呼吸道感染等）。

其中，呼吸系統(tǒng)疾病所導致的咳嗽或呼吸，包含很多關于我們健康狀況的信息。例如，臨床醫(yī)生使用類似“喘息”的咳嗽聲來診斷百日咳，以及使用臨終呼吸來檢測急性心血管事件。

那么，在人工智能（AI）時代，我們是否可以利用這一技術從這些聲音數(shù)據(jù)中提取健康信息，進而更好地監(jiān)測我們的身體狀況呢？

來自谷歌、贊比亞傳染病研究中心結(jié)核病科的研究團隊在這一方向邁出了重要一步，他們合作推出了生物聲學基礎模型 HeAR（Health Acoustic Representations），旨在幫助他們監(jiān)聽人類聲音并標記疾病早期跡象。相關研究論文以“HeAR - Health Acoustic Representations”為題，已發(fā)表在預印本網(wǎng)站 arXiv 上。

據(jù)介紹，他們在從多樣化且去識別化的數(shù)據(jù)集中精心挑選的 3 億個音頻數(shù)據(jù)上訓練了 HeAR，還特別使用了大約 1 億個咳嗽聲音來訓練這一“咳嗽模型”。

HeAR 能夠辨別與健康相關聲音中的模式，在廣泛任務上的平均排名高于其他模型，且能夠跨麥克風泛化。使用 HeAR 訓練的模型也以較少的訓練數(shù)據(jù)實現(xiàn)了高性能，這在常常缺乏數(shù)據(jù)的醫(yī)療研究領域是一個關鍵因素。HeAR 現(xiàn)在可供研究人員使用，從而幫助加速開發(fā)具有較少數(shù)據(jù)、設置和計算要求的定制生物聲學模型。

StopTB Partnership 數(shù)字健康專家 Zhi Zhen Qin 表示：“像 HeAR 這樣的解決方案將使 AI 驅(qū)動的聲學分析在肺結(jié)核篩查和檢測方面大有用處，將為最需要的人提供一種可能影響較小、易于獲取的工具。”

未來，研究團隊希望通過這項研究，推進在肺結(jié)核、胸部、肺和其他疾病領域的診斷工具和監(jiān)測解決方案的開發(fā)，并幫助改善全球社區(qū)的健康結(jié)果。

如今，印度的呼吸健康公司 Salcit Technologies 基于此開發(fā)了一款名為 Swaasa 的產(chǎn)品，使用 AI 分析咳嗽聲音并評估肺部健康。該公司正在探索 HeAR 如何幫助擴展其生物聲學 AI 模型的功能。

一聲咳嗽，即可檢測疾病

HeAR 系統(tǒng)由三個主要部分組成。通過自我監(jiān)督學習，HeAR 系統(tǒng)利用大量未標記的音頻數(shù)據(jù)學習通用的音頻表示，并能夠遷移到各種健康聲學任務中。

圖｜HeAR 系統(tǒng)概況

在數(shù)據(jù)采集步驟，研究團隊使用了一個健康聲學事件檢測器。這是一個多標簽分類卷積神經(jīng)網(wǎng)絡（CNN），用于識別 2 秒音頻片段中是否存在 6 種非語音健康聲學事件：咳嗽、嬰兒咳嗽、呼吸、清嗓子、笑聲和說話。該檢測器使用 FSD50K 和 FluSense 數(shù)據(jù)集進行訓練，并通過音頻片段中的標簽（例如“咳嗽”、“打噴嚏”和“呼吸”）進行標注。

論文使用了兩個數(shù)據(jù)集，一部分是從 30 億個公共非版權 YouTube 視頻中提取的 2 秒音頻片段，總共有 3.133 億個片段或約 174000 小時的音頻。這些片段使用健康聲學事件檢測器進行篩選。另一部分由贊比亞傳染病研究中心收集，包含來自 599 名疑似肺結(jié)核患者的咳嗽音頻錄音和胸部 X 光片。

研究團隊使用掩碼自編碼器在包含 3.13 億個兩秒鐘長音頻片段的大型數(shù)據(jù)集上進行訓練。通過線性探測，在跨越 6 個數(shù)據(jù)集的 33 個健康聲學任務基準上，HeAR 在所有健康音頻嵌入模型中的表現(xiàn)達到了 SOTA。

圖｜HeAR 在 33 個健康音頻任務中取得了最高的平均排名（MRR = 0.708），超越了所有其他基線模型。

HeAR 在 FSD50K 和 FluSense 數(shù)據(jù)集上的表現(xiàn)優(yōu)于其他模型，特別是在使用 FSD50K 訓練的模型中排名第二。

圖｜健康聲學事件檢測任務在 FSD50K 和 FluSense 數(shù)據(jù)集上的性能比較。

HeAR 在 10/14 個咳嗽推理任務中表現(xiàn)優(yōu)于基線模型，包括人口統(tǒng)計、生活方式。在 TB 和 CXR 任務中，其表現(xiàn)與最佳模型相當。

圖｜咳嗽推理任務的性能比較。

HeAR 在 SpiroSmart 數(shù)據(jù)集上的 4/5 個肺功能測試任務和性別分類任務中表現(xiàn)優(yōu)于基線模型。

圖｜肺功能測試任務的性能比較。

HeAR 在 CIDRZ 數(shù)據(jù)集上的表現(xiàn)不受不同錄音設備的影響，對不同設備具有魯棒性。此外，HeAR 在訓練數(shù)據(jù)較少的情況下也能取得良好的性能，在標注數(shù)據(jù)稀缺的醫(yī)療研究中更具優(yōu)勢。

然而，HeAR 也具有一定的局限性。例如，線性探針無法完全發(fā)揮模型的性能潛力，部分數(shù)據(jù)集規(guī)模較小且存在類不平衡問題，且 HeAR 等模型較大，難以在手機等設備上運行。

研究團隊表示，未來可以考慮微調(diào)模型或加入更多特征來提升性能，以及收集更多數(shù)據(jù)并改進數(shù)據(jù)預處理方法，還可以考慮研究模型壓縮和量化技術，使其能夠在本地設備上運行。

AI 輔助診斷疾病，大有可為

從輔助醫(yī)生到獨立診斷疾病，AI 在醫(yī)療領域的應用越來越廣泛，且展現(xiàn)了巨大的潛力。

今年 6 月，來自倫敦帝國理工學院和劍橋大學的研究團隊訓練了 AI 模型 EMethylNET，通過觀察 DNA 甲基化模式，從非癌組織中識別出 13 種不同類型的癌癥（包括乳腺癌、肝癌、肺癌和前列腺癌等），準確率高達 98.2%。

7 月，由波士頓大學研究團隊及其合作者開發(fā)的 AI 工具，有望幫助我們（同時）診斷 10 種不同類型的癡呆癥，將神經(jīng)科醫(yī)生的準確率提高了 26% 以上。

近日，針對兒童的“隱形殺手”自閉癥，AI 也有了突破。由卡羅林斯卡學院研究團隊開發(fā)的一種多模態(tài)數(shù)據(jù)分析 AI 模型，不僅可以在自閉癥患兒 12 個月左右時發(fā)現(xiàn)患病的早期跡象，而且對兩歲以下兒童識別的準確率達到了 80.5%，更重要的是，整個過程只需要相對有限的信息。

可以預見，AI 將在不久的將來幫助人類診斷更多疾病，為醫(yī)療健康領域帶來更多可能性。