米国国立衛生研究所 (NIH) は、患者の声を分析して病気を診断および研究できる AI ソフトウェアのトレーニングを支援するために、14 万ドルもの資金を割り当てました。
XNUMXの研究機関 によって導かれて 南フロリダ大学 (USF) は、XNUMX 年間にわたってさまざまな程度で資金を受け取ります。
彼らの目標は、プライバシーを意識した方法で、人々の声のトレーニング データベースを収集することです。このデータベースを使用して、医師が人のスピーチを調べることで病気や神経障害を潜在的に検出できるアプリケーションをトレーニングすることができます。
Voice as a Biomarker of Health プロジェクトは、次の XNUMX 種類の病気を検出できるソフトウェアに焦点を当てます。
- 音声障害：（喉頭がん、声帯麻痺、良性喉頭病変）
- 神経疾患および神経変性疾患 (アルツハイマー病、パーキンソン病、脳卒中、ALS)
- 気分および精神障害（うつ病、統合失調症、双極性障害）
- 呼吸器疾患（肺炎、COPD）
- 小児の音声および発話障害（発話および言語の遅れ、自閉症）
「私たちのチームは、過去 20 年間に発表された音声 AI の既存の研究に基づいて、XNUMX つのカテゴリーの疾患を選択しました」と、USF 耳鼻咽喉科のプロジェクト リーダー兼助教授である Yael Bensoussan 氏は語った。 登録.
音声と音声データを分析するための機械学習アルゴリズムの最近の進歩は、テクノロジーを使用して身体的および精神的健康を評価する方法を示しています。 あ 研究 たとえば、MIT の研究者が率いる研究では、発話時のジッターや振戦をうつ病や不安症に関連付けました。
研究者たちは、この結果が十分に有望であり、AI を使用して会話や呼吸の音を聞いて処理することで、病気や障害を早期に検出するための低コストの方法を提供できると考えています。
「声は、研究するのに最も安価なバイオマーカーのXNUMXつです」とBensoussanは語った.
「遺伝子検査や MRI やスキャンなどのイメージングなどのバイオマーカーについて考えると、それらはすべて非常にリソース集約型であり、ある意味で侵襲的である可能性があります。 たとえば、CTスキャンは患者に放射線を引き起こします。 声は最も簡単に収集できるバイオマーカーであり、患者に身体的リスクを引き起こすことはなく、特に最新のテクノロジーを使用すると、非常に少ないリソース設定で収集できます。」
NIH は、最初の年に 3.8 万ドルを Voice as a Biomarker of Health イニシアチブに提供し、参加者が医療画像やゲノミクスから収集された他のデータと一緒に評価できる大規模で多様な音声データベースを構築します。 音声データは、初年度のパイロット研究で臨床現場で選択された患者から記録されます。
このデータベースは研究者間で共有され、特定の病気と診断された患者の声に共通する特徴を認識できるよう AI アルゴリズムをトレーニングします。 機密データが非公開かつ安全に保たれるように、モデルは、機械学習ソフトウェアを使用して生物医学研究を支援することに焦点を当てた新興企業である Owkin がサポートする連合学習を使用してトレーニングされます。
「フェデレーテッド ラーニング テクノロジーは、機械学習モデルをデータ ソースから離れることなくデータでトレーニングできるようにする新しい AI フレームワークです。Owkin は複数の研究センターに展開し、データを維持しながらセンター間の AI 研究を実施できることを実証します。機密性の高い音声データのプライバシーとセキュリティ」と同社を代表する広報担当者は語った。 彼はReg.
議会の承認を得て、14 万ドルもの追加資金がイニシアチブに付与される可能性があります。
Voice as a Biomarker of Health は、新しいテクノロジーが米国のヘルスケアを刷新することを期待して、研究開発における AI の採用を加速する NIH の幅広い取り組みの一部です。 医学研究機関 約束された 130 年間で XNUMX 億 XNUMX 万ドルを投資し、主要な生物医学データセット、ユニバーサル ソフトウェア ツール、医療研究者を AI でトレーニングするためのリソースを作成することを目的とした多数のプロジェクトに投資します。 ®
