麻省理工学院团队的咳嗽检测器即使在没有症状的人中也能识别出97%的新冠肺炎病例

控制冠状病毒大流行的部分挑战是快速识别和隔离感染者-当新冠肺炎的症状并不总是明显的时候，尤其是在早期，这并不是特别容易。现在，科学家们开发出一种新的人工智能模型，可以从简单的强迫咳嗽中检测出病毒。

有证据表明，人工智能可以发现人耳听不到的咳嗽差异，如果探测系统能被整合到智能手机等设备中，研究团队认为它可能成为一种有用的早期筛查工具。

这项工作建立在已经在通过咳嗽和说话检测阿尔茨海默氏症的研究基础上。一旦大流行开始蔓延，研究小组将注意力转向新冠肺炎，利用已经了解到的关于疾病如何导致我们的语言和其他噪音产生非常小的变化的知识。

来自麻省理工学院(MIT)的研究科学家布莱恩·苏比拉纳说，说话和咳嗽的声音都受到声带和周围器官的影响。

这意味着当你说话时，你说话的一部分像咳嗽，反之亦然。

这也意味着，我们很容易从流利的语言中学到一些东西，人工智能可以简单地从咳嗽中学到东西，包括这个人的性别、母语，甚至是情绪状态。事实上，在你咳嗽的方式中嵌入了情感。

这项针对新冠肺炎的阿尔茨海默氏症研究涉及一种名为ResNet50的神经网络。它被训练了1000小时的人类语音，然后是在不同情绪状态下说的话的数据集，然后是咳嗽的数据库，以发现肺部和呼吸性能的变化。

当这三种模型组合在一起时，一层噪音被用来过滤掉较弱咳嗽中的较强咳嗽。在捕获的大约2,500份确认患有新冠肺炎的咳嗽记录中，人工智能正确识别了其中的97.1%-以及100%的无症状病例。

这是一个令人印象深刻的结果，但还有更多的工作要做。研究人员强调，它的主要价值在于找出无症状人群的健康咳嗽和不健康咳嗽之间的区别，而不是真正诊断新冠肺炎，而这需要进行适当的测试。换句话说，它是一个早期预警系统。

苏比拉纳说，如果每个人都在去教室、工厂或餐馆之前使用这个群体诊断工具，那么这个群体诊断工具的有效实施可以减少大流行的传播。

事实上，这项检测是非侵入性的，几乎可以免费运行，而且应用速度快，这增加了它的潜在用处-尽管它不是为诊断已经出现症状的新冠肺炎患者而设计的，但它可以告诉你，在没有主要病毒迹象的情况下，你是否应该隔离并进行适当的检测。

研究人员现在想要在一组更多样化的数据上测试引擎，看看是否有其他因素涉及到达到如此令人印象深刻的高检测率。如果它真的进入了手机应用程序阶段，显然也会对隐私产生影响，因为我们中很少有人会希望自己的设备不断监听健康状况不佳的迹象。

一旦我们开始将冠状病毒大流行抛诸脑后，这项新的研究可以帮助反馈到咳嗽和阿尔茨海默氏病检测的研究中。数据显示，神经网络只需稍作调整就能适应每种情况。

研究人员在他们发表的论文中写道，我们的研究揭示了阿尔茨海默氏症和COVID歧视之间惊人的相似之处。

完全相同的生物标记物可以用来作为两者的鉴别工具，这表明，除了温度、压力或脉搏之外，也许还有一些更高水平的生物标记物可以充分诊断曾经被认为几乎不相关的各个专业的情况。

这项研究已经发表在IEEE医学和生物学工程开放期刊上。