Nem, a mesterséges intelligencia nem tudja eldönteni, hogy Önnél van-e COVID-19, ha meghallgatja a köhögését

A gépi tanulási algoritmusok a köhögés hangjának elemzésével nem tudják pontosan megjósolni, hogy valaki COVID-19-fertőzött-e. tanulmány az Egyesült Királyság Alan Turing Intézete vezette. 

Azok az állítások, amelyek szerint a mesterséges intelligencia akár 19 százalékos pontossággal képes észlelni a köhögési hangok különbségét a COVID-98.5-ben szenvedők és a nem fertőzöttek között, először egy tanulmányban jelentek meg. papír a Massachusetts Institute of Technology által vezetett kutatóktól. Az eredmény egy olyan algoritmussal működő alkalmazás létrehozására irányuló erőfeszítésekhez vezetett, amely olcsó és egyszerű módszert kínál az embereknek az új koronavírus tesztelésére.

Az Egyesült Királyság Egészségügyi és Szociális Minisztériuma odáig jutott, hogy két, együttesen több mint 100,000 2021 font értékű szerződést ítélt oda a Fujitsunak, hogy XNUMX-ben kidolgozzák a kormány úgynevezett „Cough In A Box” kezdeményezését, a Politico. jelentett. A szoftver a felhasználók köhögéseinek hangfelvételeit gyűjti össze, hogy elemezze a COVID-19 alkalmazásában.

De az Alan Turing Intézet és a Királyi Statisztikai Társaság által vezetett kutatócsoport által végzett tesztek azt mutatták, hogy a technológia mégsem működik egészen. Összegyűjtötték és megvizsgálták az Országos Egészségügyi Szolgálat Test and Trace és REACT-67,000 programjaiból felvett több mint 1 19 ember hangfelvételeinek adatsorát, amelyekben a lakosság véletlenszerű részét kérték fel, hogy végezzenek és küldjenek vissza orr- és torokkenetet a COVID-teszt érdekében. XNUMX.

A résztvevőket arra kérték, hogy rögzítsenek mintákat köhögésükről, légzésükről és beszédükről, valamint a tampontesztek eredményeit. Közülük több mint 23,000 19-nél pozitív lett a légúti betegség. A csapat gépi tanulási modellt dolgozott ki ezekre a hangokra, összehasonlítva azokat az emberek COVID-XNUMX teszteredményeivel, hogy kiderüljön, vajon a köhögés pontos biomarkerként működhet-e.

"De ahogy folytattuk az eredmények elemzését, úgy tűnt, hogy a pontosság valószínűleg a statisztikában a zavaró hatásnak köszönhető – ahol a modellek más változókat tanulnak meg, amelyek a valódi jellel korrelálnak, nem magával a valódi jellel." magyarázható Kieran Baker, az Alan Turing Intézet kutatási asszisztense.

A zavart a toborzási elfogultság okozta Tesztelés és nyomkövetés rendszer, amely megkövetelte, hogy a résztvevők legalább egy tünettel rendelkezzenek a részvételhez. A kutatók több tesztet is végeztek, az azonos korú és nemű résztvevőket párokba csoportosítva, és csak az egyiküknél volt COVID-19. 

„Amikor ezeket a modelleket az egyező adatokon értékeltük, a modellek nem teljesítettek jól, ezért arra a következtetésre jutottunk, hogy modelljeink nem képesek kimutatni a COVID-19 bioakusztikus markert ezekből az adatokból” – mondta Baker.

Chris Holmes, a múlt hónapban megjelent tanulmány vezető szerzője, az Oxfordi Egyetem biostatisztika professzora, valamint az Alan Turing Intézet egészségügyi és orvostudományi programigazgatója a következőket mondta: „Új módszerek keresése az olyan vírusok gyors és egyszerű diagnosztizálására, mint a COVID- 19 nagyon fontos a terjedésének megállításához. Bár kiábrándító, hogy ez a technológia nem működik a COVID-19 ellen, a jövőben még működhet más légúti vírusok esetén is” – mondta az Egyesült Királyság hatósága. jelentett. ®

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
• Forrás: https://go.theregister.com/feed/www.theregister.com/2023/01/05/ai_covid_cough/