Nej, AI kan ikke se, om du har fået COVID-19 ved at lytte til din hoste

Nej, AI kan ikke se, om du har fået COVID-19 ved at lytte til din hoste

Tidsstempel: 5. januar 2023 kl. 8
Nej, AI kan ikke se, om du har fået COVID-19, ved at lytte til din hoste PlatoBlockchain Data Intelligence. Lodret søgning. Ai.

Maskinlæringsalgoritmer kan ikke præcist forudsige, om nogen har COVID-19 ved at analysere lyden af ​​deres hoste, ifølge en studere ledet af det britiske Alan Turing Institute. 

Påstande om, at kunstig intelligens kunne registrere forskellen i hostelyde mellem dem med og uden COVID-19 med op til 98.5 procents nøjagtighed, blev først rapporteret i en papir fra forskere ledet af Massachusetts Institute of Technology. Resultatet førte til bestræbelser på at bygge en app drevet af algoritmerne for at give folk en billig og nem metode til at teste for den nye coronavirus.

Det britiske Department of Health and Social Care gik endda så langt som til at tildele to kontrakter, samlet værd over £100,000, til Fujitsu om at udvikle regeringens såkaldte "Cough In A Box"-initiativ i 2021, Politico rapporteret. Softwaren ville indsamle lydoptagelser af hoste fra brugere for at analysere på sin COVID-19-app.

Men test udført af et team af forskere ledet af Alan Turing Institute og Royal Statistical Society viste, at teknologien alligevel ikke helt virker. De indsamlede og undersøgte et datasæt med lydoptagelser fra over 67,000 mennesker rekrutteret fra National Health Service's Test and Trace og REACT-1 programmer, som bad en tilfældig del af befolkningen om at udføre og sende næse- og halsprøver tilbage for at teste for COVID- 19.

Deltagerne blev bedt om at registrere prøver af dem, der hoster, trækker vejret og taler, samt resultaterne af deres podningsprøver. Over 23,000 af dem var testet positive for luftvejssygdommen. Holdet trænede en maskinlæringsmodel på disse lyde og sammenlignede dem med folks COVID-19-testresultater for at se, om hoste kunne fungere som en nøjagtig biomarkør.

"Men da vi fortsatte med at analysere resultaterne, så det ud til, at nøjagtigheden sandsynligvis skyldtes en effekt i statistikken kaldet confounding - hvor modeller lærer andre variabler, som korrelerer med det sande signal, i modsætning til selve det sande signal." forklarede Kieran Baker, forskningsassistent ved Alan Turing Institute.

Forvirringen skyldtes rekrutteringsbias i Test og spor system, som krævede, at deltagerne havde mindst ét ​​symptom for at kunne deltage. Forskerne udførte flere test, der grupperede deltagere af samme alder og køn i par, hvor kun én af dem havde COVID-19. 

"Da vi evaluerede disse modeller på de matchede data, fungerede modellerne ikke godt, og derfor konkluderer vi, at vores modeller ikke kan detektere en COVID-19 bioakustisk markør fra disse data," sagde Baker.

Chris Holmes, hovedforfatter af papiret udgivet i sidste måned, professor i biostatistik ved University of Oxford og programdirektør for sundheds- og medicinske videnskaber ved Alan Turing Institute, sagde: "At finde nye måder til hurtigt og nemt at diagnosticere vira som COVID- 19 er virkelig vigtigt for at stoppe spredningen. Selvom det er skuffende, at denne teknologi ikke virker for COVID-19, kan den stadig fungere for andre luftvejsvira i fremtiden," den britiske myndighed rapporteret. ®

Tidsstempel:

Mere fra Registret