ხელოვნური ინტელექტი: ტექნოლოგია საშუალებას მისცემს ხმაზე დაფუძნებულ დიაგნოზს

მედიცინა არის სფერო, რომელიც დიდწილად დამოკიდებულია ექიმებსა და პაციენტებს შორის ადეკვატურ დიალოგზე. ზუსტი დიაგნოზისთვის აუცილებელია პაციენტის პრობლემის ერთგული გაგება. ძირითადი ინსტრუმენტები, რომლებიც გამოიყენება პრობლემების არსებობის დასადასტურებლად, არის სხეულის სითხის ტესტები და გამოსახულება, როგორიცაა MRI და რენტგენი.

Წაიკითხე მეტი: იძლევა თუ არა დეპრესიის დიაგნოზი გარანტიას INSS-ისგან რაიმე სარგებლის მიღების უფლებას?

თუმცა, არსებობს პოტენციური ახალი გზა, რომელიც შეიძლება სასარგებლო იყოს მრავალი დაავადების დიაგნოსტიკაში. მკვლევარები მუშაობენ ხელოვნური ინტელექტის სისტემების შემუშავებაზე, რომლებსაც შეუძლიათ გამოიყენონ ტემბრი, როგორც დიაგნოსტიკური ინსტრუმენტი დაავადების დასაზუსტებლად.

როგორ შეიძლება ხმა იყოს დიაგნოსტიკური ინსტრუმენტი?

დაავადებამ შეიძლება გავლენა მოახდინოს ისეთ ორგანოებზე, როგორიცაა გული, ფილტვები, ტვინი, კუნთები ან ვოკალური იოგები, რამაც შეიძლება შეცვალოს ადამიანის ხმა. ხმის ანალიზი ხელოვნური ინტელექტის საშუალებით ხსნის ახალ შესაძლებლობებს ჯანდაცვის სისტემისთვის აუდიო ბიომარკერები პრევენციული რისკის დიაგნოსტიკისა და კლინიკური შედეგების დისტანციური მონიტორინგის მიზნით და სიმპტომები. ამის გათვალისწინებით, შეიძლება არსებობდეს ხმის რამდენიმე შესაძლო გამოყენება ჯანმრთელობასთან დაკავშირებული მიზნებისთვის.

ამ გარემოში არის უზარმაზარი პოტენციალი როგორც პაციენტის, ასევე კლინიკის თვალსაზრისით.

ხმა, რომელიც წარმოადგენს ტემბრების კომპლექსურ კომპლექტს, რომელიც მოდის ჩვენი ვოკალური იოგებიდან, შეიცავს დიდი რაოდენობით ინფორმაციას და მნიშვნელოვან როლს ასრულებს სოციალურ ინტერაქციაში. გაზიარების საშუალებას გვაძლევს შეხედულებები ჩვენი გრძნობების, შიშების, ემოციების და მღელვარების შესახებ.

შეგიძლიათ დაარეგულიროთ ხმა ან ტონი. ვირტუალური და ხმოვანი ასისტენტები სმარტფონებზე ან ჭკვიანი სახლის მოწყობილობებზე, როგორიცაა დაკავშირებული დინამიკები, ახლა პოპულარულია და გზა გაუხსნა ამ ახალ რეალობას. გაიხსნა წინსვლა მეტყველების ტექნოლოგიაში, მეტყველების სიგნალის ანალიზში, ბუნებრივი ენის დამუშავებასა და გაგების ტექნიკაში მრავალი პოტენციური მეტყველების აპლიკაციისთვის, როგორიცაა დიაგნოსტიკის, კლასიფიკაციის ან მონიტორინგისთვის მეტყველების ბიომარკერების იდენტიფიცირება დისტანციური.

ხელოვნური ინტელექტი გამოიყენებს ხმას, როგორც დიაგნოსტიკის საშუალებას

მკვლევარები ახლა ავითარებენ AI-ზე დაფუძნებულ ინსტრუმენტებს, რომლებიც საბოლოოდ შეიძლება სერიოზული დაავადებების დიაგნოსტირებას. ისინი მიზნად ისახავს ყველაფერს, ანუ ალცჰეიმერიდან კიბომდე.

ჯანდაცვის ეროვნული ინსტიტუტის მიერ დაფინანსებული პროექტი, რომელიც გასულ სამშაბათს გამოცხადდა, მიზნად ისახავს ადამიანის ხმის გადაქცევა ისეთად, რაც შეიძლება გამოვიყენოთ დაავადების ბიომარკერად, როგორიცაა სისხლი ან ტემპერატურა.

ჯანდაცვის ეროვნული ინსტიტუტის ვებსაიტის თანახმად, ისინი ოთხი წლის განმავლობაში 130 მილიონ დოლარს განახორციელებენ, რაც დამოკიდებულია სახსრების ხელმისაწვდომობა, რათა დააჩქაროს ხელოვნური ინტელექტის (ANDAVA) ფართოდ გამოყენება ბიოსამედიცინო და კვლევითი საზოგადოებების მიერ. ქცევითი.

ჯანდაცვის ეროვნული ინსტიტუტის ერთობლივი ფონდი ხიდი ხელოვნურ ინტელექტზე (Bridge2AI) აერთიანებს პროგრამას გუნდის წევრები სხვადასხვა დისციპლინიდან და წარმომავლობისგან, რათა შექმნან ინსტრუმენტები, რესურსები და მდიდარი მონაცემები, რომლებიც პასუხობენ მეთოდებს AI-ს. ამავდროულად, პროგრამა უზრუნველყოფს, რომ მისმა ინსტრუმენტებმა და მონაცემებმა არ გააგრძელონ უთანასწორობა ან ეთიკური საკითხები, რომლებიც შეიძლება წარმოიშვას მონაცემთა შეგროვებისა და ანალიზის დროს.

ოლივიე ელემენტის თქმით, ვეილ კორნელის მედიცინის კომპიუტერული ბიომედიცინის ინსტიტუტის პროფესორი და ერთ-ერთი წამყვანი პროექტის მკვლევარები, ხმოვანი მონაცემების დიდი რამ არის ის, რომ ეს არის მონაცემთა ერთ-ერთი ყველაზე ძლიერი და იაფი ტიპი, რომლის შეგროვებაც შესაძლებელია. ხალხის. ის ასევე ძალიან ხელმისაწვდომი და მარტივია ნებისმიერი პაციენტისთვის. ეს სასარგებლოა დიდი მონაცემთა ბაზების შექმნისას.

იაელ ბენსოუსანმა, USF Health-ის ოტოლარინგოლოგმა და პროექტის სხვა მთავარმა მკვლევარმა თქვა რომ მიუხედავად იმისა, რომ მსგავსი მცდელობები იყო წარსულში, მათი უმეტესობა ძალიან მცირე იყო ეფექტური. ასევე მნიშვნელოვანი ფაქტორი იყო ადეკვატური მონაცემთა ბაზის არარსებობა. იმის გამო, რომ ეს შედარებით ახალი კვლევის სფეროა, მკვლევარებს ჯერ არ აქვთ აღმოჩენილი ინფორმაციის შეგროვების საუკეთესო პრაქტიკა ამ სისტემისთვის. მიმდინარე პროექტები ამისთვის დაადგენს მონაცემთა შეგროვების სტანდარტებს.

გუნდი იწყებს აპლიკაციის შექმნით, რომელიც აგროვებს ხმოვან მონაცემებს ვოკალური ტვინის დამბლის, ალცჰეიმერის დაავადების, პარკინსონის, დეპრესიის, პნევმონიის და აუტიზმის მქონე მონაწილეებისგან. ექიმი დაინიშნება, რომელიც აკონტროლებს ყველა კოლექციას. „მაგალითად, ვისაც პარკინსონის დაავადება აქვს, აღმოაჩენს, რომ მათი ხმა შეიძლება იყოს უფრო დაბალი და მეტყველებაც უფრო ნელია“, - ამბობს ბენსოუსანი.

აპლიკაცია მოითხოვს აუდიოს ჩაწერას, წინადადების წაკითხვას და მთელი ტექსტის წაკითხვას. ზოგიერთი ექიმის აზრით, თქვენ შეგიძლიათ გაიგოთ, რომ პაციენტებს აქვთ ტვინის მეტასტაზები საუბრის გზით.

როგორ არის დაცული დიაგნოსტიკური მეტყველების მონაცემები?

გამოკითხვის ჯგუფი თანამშრომლობს ხელოვნური ინტელექტის კომპანია Owkin-თან, რათა შექმნას და მოამზადოს ხელოვნური ინტელექტის მოდელები პროექტში. Owkin ფარგლებში, შეგროვებული პაციენტის მონაცემები რჩება ცენტრში, სადაც შეგროვდა, სანამ AI მოდელი მოგზაურობს დაწესებულებებს შორის. მოდელი ცალ-ცალკე ივარჯიშება თითოეულ მონაცემთა ბაზაზე, შემდეგ კი ამ ტრენინგების შედეგები ბრუნდება ცენტრალურ ადგილას, სადაც ისინი შერეულია.

ეს უზრუნველყოფს კონფიდენციალურობის დამატებით ფენას ხმოვანი მონაცემებისთვის. ბიოეთიკოსთა ჯგუფი მუშაობს პროექტზე, რათა შეისწავლოს ენობრივი მონაცემთა ბაზის ეთიკური და სამართლებრივი შედეგები და ენაზე დაფუძნებული დიაგნოსტიკა. ეს ნიშნავს, რომ შეიძლება გაინტერესებდეთ, არის თუ არა თქვენი ხმა დაცული ჯანმრთელობის დაზღვევის პორტაბელურობისა და ანგარიშვალდებულების აქტის (HIPAA) მიხედვით, აქვთ თუ არა თქვენს პაციენტებს ხმოვანი მონაცემები და ა.შ.

შესაძლებელია თუ არა ხმოვანი მონაცემების გამოყენება დიაგნოსტიკისთვის?

მეტყველების მონაცემები უკვე სასარგებლოა ხმის დარღვევების დიაგნოსტიკისა და მკურნალობისთვის. ამ ყველაფერს, როგორც ჩანს, აქვს უზარმაზარი პოტენციალი ფსიქიკური ჯანმრთელობის დარღვევების სამკურნალოდ, როგორიცაა დეპრესია, შფოთვა, პოსტტრავმატული სტრესული აშლილობა და მრავალი სხვა ასევე ამ სფეროში.

ვეტერანებისგან ხმის ნიმუშების შეგროვება და ვოკალური სიგნალების ანალიზი, როგორიცაა სიმაღლე, რიტმი, სიხშირე და ხმა, შეიძლება სასარგებლო იყოს მოძებნეთ უხილავი დაზიანებების ნიშნები, როგორიცაა პოსტტრავმული სტრესული აშლილობა (PTSD), ტვინის ტრავმული დაზიანება (TBI) და დეპრესია. ხმოვანი ფუნქციების შესასწავლად მანქანური სწავლის გამოყენებით, ამაზე ასევე მუშაობენ ალგორითმები შეარჩიეთ ხმის ნიმუშები ამ დარღვევების მქონე ადამიანებში და შეადარეთ ისინი ხალხის ხმის ნიმუშებს ჯანსაღი.