USA kaster millioner på AI for at diagnosticere sygdomme ved lyden af ​​din stemme

US National Institutes of Health (NIH) har øremærket så meget som 14 millioner dollars i finansiering til at støtte uddannelsen af ​​AI-software, der kan analysere patienters stemmer for at diagnosticere og studere sygdom.

Tolv forskningsinstitutioner ledet af University of South Florida (USF) vil modtage pengene i varierende grad over fire år.

Deres mål vil være at indsamle, på en privatlivsbevidst måde, en træningsdatabase over folks stemmer, der kan bruges til at træne applikationer, som læger kan bruge til potentielt at opdage sygdomme og neurologiske lidelser ved at undersøge en persons tale.

The Voice as a Biomarker of Health-projektet vil fokusere på software, der kan opfange disse fem typer sygdomme:

"Vores team valgte de fem kategorier af sygdomme baseret på eksisterende arbejde inden for stemme-AI, som er blevet offentliggjort i løbet af de sidste 20 år," fortalte Yael Bensoussan, projektleder og assisterende professor ved USF's afdeling for Otolaryngology. Registret.

Nylige fremskridt inden for maskinlæringsalgoritmer til at analysere stemme- og taledata har vist, hvordan teknologier kan bruges til at vurdere fysisk og mental sundhed. EN studere ledet af forskere ved MIT, koblede for eksempel rystelser og rystelser i tale til depression og angst.

Akademikere mener, at resultaterne er lovende nok til, at lytning og behandling af lyden af ​​tale eller vejrtrækning ved hjælp af kunstig intelligens kan være en billig metode til at opdage sygdomme og lidelser på et tidligere tidspunkt.

"Stemme er en af ​​de billigste biomarkører at studere," fortalte Bensoussan os.

"Når du tænker på biomarkører såsom genetisk testning eller billeddannelse som MR'er eller scanninger, er de alle ret ressourcekrævende og kan være invasive på en måde. CT-scanninger forårsager f.eks. stråling for patienter. Stemme er den nemmeste biomarkør at indsamle, forårsager ingen fysisk risiko for patienter og kan indsamles i meget lave ressourcer, især med moderne teknologi."

NIH vil give $3.8 millioner i det første år til Voice as a Biomarker of Health-initiativet for deltagere til at konstruere en stor, forskelligartet stemmedatabase, der kan vurderes sammen med andre data indsamlet fra medicinsk billeddannelse og genomik. Taledata vil blive optaget fra udvalgte patienter i kliniske omgivelser i et pilotstudie i det første år. 

Databasen vil blive delt blandt forskere for at træne AI-algoritmer til at genkende fælles træk i stemmen hos patienter, der er diagnosticeret med specifikke sygdomme. For at sikre, at de følsomme data holdes private og sikre, vil modellerne blive trænet ved hjælp af fødereret læring understøttet af Owkin, en startup, der fokuserer på at assistere biomedicinsk forskning ved hjælp af maskinlæringssoftware. 

"Federated learning-teknologi – en ny AI-ramme, der gør det muligt at træne maskinlæringsmodeller på data, uden at dataene nogensinde forlader sin kilde – vil blive implementeret på tværs af flere forskningscentre af Owkin for at demonstrere, at AI-forskning på tværs af centre kan udføres, samtidig med at privatliv og sikkerhed for følsomme stemmedata,” fortalte en talsmand, der repræsenterer virksomheden El Reg.

Flere penge, så meget som 14 millioner dollars, kan blive givet til initiativet med kongressens godkendelse.

Voice as a Biomarker of Health er en del af en bredere indsats fra NIH for at fremskynde adoptionen af ​​AI i F&U i håb om, at nye teknologier vil forny amerikansk sundhedspleje. Den medicinske forsknings-org lovede at investere så meget som $130 millioner over fire år til adskillige projekter, der sigter mod at skabe flagskibs biomedicinske datasæt, universelle softwareværktøjer og ressourcer til at uddanne sundhedsforskere i AI. ®