人工知能は、咳に基づいて無症状のCOVID-19症例と健康な人を見分けるために利用されています。
提供された20万件のサンプルのうち、モデルはCOVID-19の感染が確認された人の咳の98.5%を特定しました。これには無症状者の咳の100%が含まれます。
研究者らは、このモデルを組み込んだアプリを開発しており、無症状の可能性が高い人を特定するための事前スクリーニングツールとなる可能性があります。
Covid-19に感染した無症状の人は、定義上、この病気による識別可能な身体症状を示しません。そのため、ウイルスの検査を受ける可能性が低く、知らないうちに他の人に感染を広げる可能性があります。
しかし、無症状の人がウイルスによってもたらされた変化から完全に免れているわけではないようです。MITの研究者らは、無症状の人は咳の仕方において健康な人と異なる可能性があることを明らかにしました。これらの違いは人間の耳では聞き分けられません。しかし、人工知能によって検出できることがわかりました。
最近発表された論文で、チームはIEEE Journal of Engineering in Medicine and Biologyに掲載された論文で、チームは、携帯電話やノートパソコンなどのウェブブラウザやデバイスを通じて人々が自発的に提出した強制咳の録音から、無症状の人と健康な人を区別するAIモデルについて報告しています。
研究者らは、数万件の咳のサンプルと話し言葉のサンプルを使ってモデルを訓練しました。新しい咳の録音をモデルに入力したところ、Covid-19の感染が確認された人の咳の98.5%を正確に特定し、無症状者の咳の100%も含まれていました。無症状者とは、症状はないと報告しながらウイルス検査で陽性となった人を指します。
チームは、このモデルをユーザーフレンドリーなアプリに組み込む作業を進めています。FDAの承認を得て大規模に採用されれば、無症状の可能性が高い人を特定するための、無料で便利かつ非侵襲的な事前スクリーニングツールとなる可能性があります。ユーザーは毎日ログインし、携帯電話に向かって咳をすると、感染している可能性があるかどうかの情報をすぐに得られ、正式な検査で確認すべきかどうかを判断できます。
「このグループ診断ツールを効果的に導入すれば、誰もが教室、工場、レストランに行く前にこれを使用すれば、パンデミックの拡大を抑制できる可能性があります」と、共著者でMITのAuto-ID Laboratoryの研究科学者であるBrian Subiranaは述べています。
Subiranaの共著者は、MITのAuto-ID LaboratoryのJordi LaguartaとFerran Huetoです。
ポッドキャストはこちらからお聴きいただけます：New AI model detects asymptomatic Covid-19 infections through device-recorded coughs。
音声の感情
パンデミックが始まる前から、研究グループは肺炎や喘息などの疾患を正確に診断するために、携帯電話で録音された咳のデータを用いてアルゴリズムを訓練していました。同様に、MITのチームは、アルツハイマー病の兆候を検出できるかどうかを確認するために、強制咳の録音を分析するAIモデルを開発していました。アルツハイマー病は、記憶力の低下だけでなく、声帯の衰えなどの神経筋の劣化とも関連する疾患です。
チームはまず、ResNet50として知られる一般的な機械学習アルゴリズム、すなわちニューラルネットワークを訓練し、声帯の強さの度合いに関連する音を識別させました。研究によれば、「mmmm」という音の質は、声帯が弱いか強いかを示す指標となり得ることが示されています。Subiranaは、1,000時間を超える音声を含むオーディオブックのデータセットでニューラルネットワークを訓練し、「the」や「then」などの単語から「them」という単語を選び出せるようにしました。
チームは、アルツハイマー病の患者や、より一般的に神経機能の低下がある人は、幸福や穏やかさを表現するよりも、いら立ちや感情の平板化といった感情を頻繁に示すことが研究で示されているため、音声に表れる感情状態を識別する2つ目のニューラルネットワークを訓練しました。研究者らは、ニュートラル、穏やか、幸せ、悲しいなどの感情状態を表現する俳優の音声の大規模データセットで訓練することにより、感情音声分類モデルを開発しました。
研究者らは次に、肺と呼吸器の機能の変化を識別するために、咳のデータベースで3つ目のニューラルネットワークを訓練しました。
最終的に、チームは3つのモデルを組み合わせ、筋肉の劣化を検出するアルゴリズムを重ねました。このアルゴリズムは、音声マスク、すなわちノイズの層を基本的にシミュレートし、そのノイズの中でも聞き取れる強い咳と、より弱い咳を区別することで機能します。
新しいAIフレームワークを用いて、チームはアルツハイマー病の患者を含む音声録音を入力したところ、既存のモデルよりもアルツハイマー病のサンプルをよく識別できることがわかりました。結果として、声帯の強さ、感情、肺と呼吸器の機能、筋肉の劣化が組み合わさることで、この病気を診断するための有効なバイオマーカーとなることが示されました。
新型コロナウイルスのパンデミックが広がり始めたとき、Subiranaは、アルツハイマー病のためのAIフレームワークがCovid-19の診断にも応用できるのではないかと考えました。感染した患者が、一時的な神経筋の障害など、同様の神経学的症状を経験したという証拠が増えていたためです。
「話すことと咳をすることの音は、どちらも声帯と周囲の器官の影響を受けています。つまり、話すとき、話し方の一部は咳に似ており、その逆もまた然りです。また、流暢な話し言葉から容易に得られる情報、例えば人の性別、母語、さらには感情状態などは、AIが咳だけからも捉えることができるということです。実際、咳の仕方には感情が含まれているのです」とSubiranaは言います。「そこで、これらのアルツハイマー病のバイオマーカーを（関連性があるかどうか）Covidにも試してみてはどうかと考えました。」
「驚くべき類似性」
4月、チームは、Covid-19患者のものを含め、できるだけ多くの咳の録音を収集することに取り組みました。人々が携帯電話やその他のウェブ対応デバイスを通じて一連の咳を録音できるウェブサイトを開設しました。参加者はまた、Covid-19の有無にかかわらず、現在経験している症状に関するアンケートに回答し、公式の検査で診断されたか、医師による症状の評価で診断されたか、または自己診断であったかを記入します。性別、地理的な所在地、母語も記入することができます。
これまでに、研究者らは7万件を超える録音を収集しており、それぞれに複数の咳が含まれ、合計約20万件の強制咳の音声サンプルとなっています。Subiranaはこれを「私たちが知る限り最大の研究用咳データセット」と述べています。約2,500件の録音は、無症状者を含め、Covid-19の感染が確認された人々から提出されたものです。
チームは、この2,500件のCovid関連の録音と、データセットのバランスを取るために収集データからランダムに選んだ追加の2,500件の録音を使用しました。そのうち4,000件のサンプルをAIモデルの訓練に使用しました。残りの1,000件の録音は、Covid患者と健康な人の咳を正確に識別できるかを確認するためにモデルに入力されました。
研究者らが論文に記しているように、驚くべきことに、彼らの取り組みは「アルツハイマー病とCovidの識別における驚くべき類似性」を明らかにしました。
もともとアルツハイマー病のために設計されたAIフレームワークにほとんど調整を加えることなく、チームは、Covid-19に特有の4つのバイオマーカー、すなわち声帯の強さ、感情、肺と呼吸器の機能、筋肉の劣化のパターンを捉えられることを発見しました。このモデルは、Covid-19の感染が確認された人の咳の98.5%を特定し、そのうち無症状者の咳はすべて正確に検出されました。
「無症状であっても、Covidに感染すると発声の仕方が変化することを、この結果は示していると考えています」とSubiranaは言います。
無症状の症状
Subiranaは、AIモデルは、有症状者の症状がCovid-19によるものか、インフルエンザや喘息などの他の疾患によるものかを診断することを目的としていないと強調しています。このツールの強みは、無症状の咳を健康な人の咳と区別できる能力にあります。
チームは、AIモデルに基づく無料の事前スクリーニングアプリを開発するため、企業と協力しています。また、世界中の複数の病院と提携し、より大規模で多様な咳の録音データを収集しており、これによりモデルの精度の訓練と向上に役立てる予定です。
論文で提案しているように、「事前スクリーニングツールが常にバックグラウンドで稼働し、継続的に改善されていれば、パンデミックは過去のものになるかもしれません」。
最終的に、彼らは、開発したような音声AIモデルがスマートスピーカーやその他の音声を聞き取るデバイスに組み込まれ、人々が自身の疾患リスクについて、おそらく毎日、手軽に初期評価を受けられるようになることを構想しています。
