ایالات متحده میلیون ها نفر را به هوش مصنوعی می اندازد تا بیماری ها را با صدای شما تشخیص دهند

مؤسسه ملی بهداشت ایالات متحده (NIH) 14 میلیون دلار بودجه برای حمایت از آموزش نرم افزار هوش مصنوعی اختصاص داده است که می تواند صدای بیماران را برای تشخیص و مطالعه بیماری تجزیه و تحلیل کند.

دوازده موسسه تحقیقاتی رهبری دانشگاه فلوریدا جنوبی (USF) این پول را به درجات مختلف طی چهار سال دریافت خواهد کرد.

هدف آن‌ها جمع‌آوری پایگاه‌داده آموزشی از صدای افراد است که می‌تواند برای آموزش برنامه‌هایی که پزشکان می‌توانند برای تشخیص احتمالی بیماری‌ها و اختلالات عصبی با بررسی گفتار یک فرد استفاده کنند، به‌صورت آگاهانه از حریم خصوصی جمع‌آوری کنند.

پروژه Voice as a Biomarker of Health بر نرم افزاری تمرکز خواهد کرد که می تواند این پنج نوع بیماری را تشخیص دهد:

یائل بنسوسان، رهبر پروژه و استادیار بخش گوش و حلق و بینی USF، گفت: «تیم ما پنج دسته بیماری را بر اساس کار موجود در هوش مصنوعی صوتی که در 20 سال گذشته منتشر شده است، انتخاب کرد. ثبت نام.

پیشرفت های اخیر در الگوریتم های یادگیری ماشین برای تجزیه و تحلیل داده های صوتی و گفتاری نشان داده است که چگونه می توان از فناوری ها برای ارزیابی سلامت جسمی و روانی استفاده کرد. آ مطالعه به عنوان مثال، به رهبری محققان MIT، لرزش و لرزش در گفتار را به افسردگی و اضطراب مرتبط کرد.

دانشگاهیان بر این باورند که نتایج به اندازه کافی امیدوار کننده است که گوش دادن و پردازش صدای گفتار یا تنفس با استفاده از هوش مصنوعی می تواند روشی کم هزینه برای تشخیص بیماری ها و اختلالات در مراحل اولیه ارائه دهد.

بنسوسان به ما گفت: «صدا یکی از ارزان‌ترین نشانگرهای زیستی برای مطالعه است.

وقتی به نشانگرهای زیستی مانند آزمایش ژنتیک یا تصویربرداری مانند ام آر آی یا اسکن فکر می کنید، همه آنها کاملاً منابع فشرده هستند و به یک معنا می توانند تهاجمی باشند. برای مثال سی تی اسکن باعث تشعشع در بیماران می شود. Voice ساده‌ترین نشانگر زیستی برای جمع‌آوری است، هیچ خطر فیزیکی برای بیماران ایجاد نمی‌کند و می‌توان آن را در محیط‌های بسیار کم به خصوص با فناوری مدرن جمع‌آوری کرد.

NIH در سال اول 3.8 میلیون دلار به Voice به عنوان نشانگر زیستی سلامت اهدا می کند تا شرکت کنندگان یک پایگاه داده صوتی بزرگ و متنوع بسازند که می تواند در کنار سایر داده های جمع آوری شده از تصویربرداری پزشکی و ژنومیک ارزیابی شود. داده های گفتاری از بیماران منتخب در محیط های بالینی در یک مطالعه مقدماتی در سال اول ثبت می شود. 

این پایگاه داده بین محققان به اشتراک گذاشته خواهد شد تا الگوریتم های هوش مصنوعی را برای تشخیص ویژگی های مشترک در صدای بیمارانی که بیماری های خاص تشخیص داده اند، آموزش دهند. برای اطمینان از حفظ خصوصی و ایمن بودن داده های حساس، مدل ها با استفاده از یادگیری فدرال که توسط Owkin پشتیبانی می شود، آموزش داده می شوند، استارت آپی که بر کمک به تحقیقات زیست پزشکی با استفاده از نرم افزار یادگیری ماشین تمرکز دارد. 

«فناوری یادگیری فدرال – یک چارچوب جدید هوش مصنوعی که به مدل‌های یادگیری ماشین اجازه می‌دهد بر روی داده‌ها آموزش داده شوند، بدون اینکه داده‌ها از منبع آن خارج شوند – در چندین مرکز تحقیقاتی توسط Owkin به کار گرفته می‌شود تا نشان دهد که تحقیقات هوش مصنوعی متقابل می‌تواند با حفظ اطلاعات انجام شود. یکی از سخنگویان این شرکت گفت: حفظ حریم خصوصی و امنیت داده های صوتی حساس ال رج.

ممکن است با تصویب کنگره، پول بیشتری، به اندازه 14 میلیون دلار، به این طرح اعطا شود.

صدا به عنوان نشانگر زیستی سلامت بخشی از تلاش گسترده‌تر NIH برای تسریع پذیرش هوش مصنوعی در تحقیق و توسعه است به این امید که فناوری‌های جدید مراقبت‌های بهداشتی ایالات متحده را اصلاح کنند. سازمان تحقیقات پزشکی وعده داده شده سرمایه گذاری 130 میلیون دلاری در طول چهار سال برای پروژه های متعدد با هدف ایجاد مجموعه داده های زیست پزشکی شاخص، ابزارهای نرم افزاری جهانی و منابع برای آموزش محققان مراقبت های بهداشتی در هوش مصنوعی. ®