تشخیص ابتلا به کرونا با کمک تلفن همراه
به گزارش اقتصاد نیوز به نقل از دویچه وله، محققان در دانشگاه ام آی تی (MIT) به هوش مصنوعی آموختهاند که عفونت ناشی از ویروس کرونا را از طریق صدای سرفه تشخیص دهد. آیا هر روز صبح می توانیم با سرفه در تلفن های هوشمند خود را آزمایش کنیم؟ پاسخ به این سوال کمی دشوار است، اما نتایج امیدوارکنندهای از آزمایشات محققان انستیتو فناوری ماساچوست بدست آمده، که ممکن است تشخیص اولیه ابتلا به بیماری کووید-۱۹ را به خصوص در افرادی که علائمی ندارند ساده کند.
تلفن هوشمند کرونا شما را تشخیص میدهد
این واقعیت که تلفنهای هوشمند چیزهای افتضاحی درباره ما می دانند، چیز جدیدی نیست. بسیاری از مردم مدتهاست که پذیرفتهاند دستگاههای تلفن هوشمند آنها یا به عبارتی دقیق تر ارائه دهندگان اپلیکیشنهایی که آنها از آن استفاده میکنند، احتمالاً اطلاعاتی بیش از آن چه کاربران فکر کنند را در مورد آنها میدانند. به زودی ممکن است یک اپلیکیشن جدید راه اندازی شود که به کاربران امکان آن را میدهد که صرفا بر اساس صدای سرفه یا صحبت کردن افرادی که حتی علائم بیماری ندارند، ابتلای آنان به بیماری کووید-۱۹ را تشخیص دهد.
اگرچه فناوری هوش مصنوعی قبلا ثابت کرده است که میتواند سرفه افراد آلوده را شناسایی کند، اما برای جلوگیری از تشخیص نادرست افرادی که مبتلا نشدهاند، باید بیشتر بیاموزد. در صورتی که این پروژه با موفقیت همراه شود، چنین اپلیکیشنی می تواند در برخی موارد مکمل برنامههای ردیابی ویروس کرونا در کشورهای مختلف باشد، که تماس شهروندان با افراد آلوده را ردیابی میکنند.
صدای سرفه حاوی نشانگرهای زیستی هستند
سه دانشمند کامپیوتر از انستیتو فناوری ماساچوست (MIT) ایده استفاده از تجزیه و تحلیل صدا برای تشخیص عفونت ها را ارائه کردهاند. جوردی لوگارتا، فران هوتو و برایان سوبریانا در ماه آوریل و مه صدای ۵ هزار و ۳۲۰ نفر را ضبط کردند که این افراد هم شامل مبتلایان به ویروس کرونا بودند و هم افراد سالم. آنها علاوه بر صداهای سرفه، صدای گفتار افراد را نیز تحلیل کردند. در ابتدا ، محققان دادههای صوتی ۴ هزار و ۲۵۶ شرکت کننده را وارد رایانه کردند که با کمک یک شبکه عصبی پیچشی آنها را تجزیه و تحلیل کرد.
محققان به دنبال نشانگرهای زیست صوتی بودند که شامل برخی ویژگیهای مشخص در صداهایی بود که آنها قبلا در مطالعات خود بر روی بیماران آلزایمری پیدا کرده بودند. آنها سپس آنچه را که ماشینها از نمونه ها آموخته بودند را بر روی هزار و ۶۴ شرکت کننده باقی مانده در مطالعاتشان آزمایش کردند.
بیشتر بخوانید؛
اطلاعات گمراه کننده ویکی پدیا درباره کرونا
نتایج به دست آمده کاملا امیدوار کننده بود. محققان در نتیجه مطالعات خود که برای انتشار به مجله مهندسی پزشکی و زیست پزشکی IEEE ارسال شد، نوشتند: «نتیجه ای که استفاده از این روش به ما داد، نشانگر آن بود ۹۸.۵ درصد از افرادی که مورد آزمایش توسط متد صوتی قرار گرفتند به کرونا مبتلا هستند.»
البته در واقعیت ۹۴.۲ درصد افراد حاضر در گروه مورد آزمایش قرار گرفته تست کرونا رسمی آنها مثبت بود. این بدان معنی است که از هر ۲۰ نفری که در مطالعات دانشمندان کرونایی اعلام شده بودند، تقریبا ۱ نفر به اشتباه مبتلا به کرونا تشخیص داده شده است.
نویسندگان همچنین در ادامه گزارش خود عنوان کردند که برای افرادی که هیچ علائمی از کرونا نداشتند و این آزمایش آنان را مبتلا اعلام کرد، ابتلای ۸۳.۲ درصد از این افراد توسط تست کرونا درست تشخیص داده شد. یعنی تقریبا تمام موارد بالقوه غیرقابل شناسایی کووید-۱۹ را به درستی تشخیص داده شده است. اما با این حال، تقریبا از هر پنج شرکت کننده که در آزمایش دانشمندان مبتلا اعلام شدهاند، یک نفر به اشتباه مبتلا تشخیص داده شده است.
به عبارت دیگر، برای اینکه چنین برنامه ای در عمل واقعا امکان پذیر شود، قطعا باید بهبود یابد. اگر روزانه از این روش برای تعداد زیادی از افراد استفاده شود، در شرایط کنونی با تعداد زیادی از نتایج مثبت کاذب رو به رو خواهیم شد که افراد را به اشتباه راهی لابراتوارها برای انجام تست کرونا روانه میکند و فشار سنگینی را به سیستم درمان تحمیل خواهد کرد.
البته باید توجه داشت که این تحقیقات ادامه دارد و کامپیوترها با دادههای بیشتری که در اختیار آنها قرار میگیرد میتوانند با کمک یادگیری ماشین صدای سرفهها را بیشتر و بهتر تجزیه و تحلیل کنند تا کارآمد بودن این متد به حداکثر برسد.
هیچ چیز جایگزین تستهای آزمایشگاهی کرونا نمیشود
محققان تاکنون به این نتیجه رسیدهاند که تکنیکهای بر پایه هوش مصنوعی می توانند یک ابزار غربالگری برای افراد بدون علائم بیماری در مقیاس بزرگ، آزاد، غیر تهاجمی، در هر زمان در دسترس و بلافاصله قابل توزیع باشند که چنین تکنولوژی میتواند به رویکردهای فعلی که برای مبارزه و کنترل کرونا در نظر گرفته شده است بسیار موثر باشد.
دانشمندان MIT پیشنهاد میکنند که از این روش میتوان به صورت روزانه برای دانشجویان، دانشآموزان، کارگران و کارمندان ادارات استفاده کرد، تا در صورت بروز هشدار، افراد مربوطه با انجام یک تست آزمایشگاهی از صحت آنچه برنامه به آنان ارائه کرده است مطمئن شوند.