VS gooit miljoenen naar AI om ziekten te diagnosticeren door het geluid van je stem

De Amerikaanse National Institutes of Health (NIH) heeft maar liefst 14 miljoen dollar uitgetrokken voor de ondersteuning van de opleiding van AI-software die de stemmen van patiënten kan analyseren om ziekten te diagnosticeren en te bestuderen.

Twaalf onderzoeksinstellingen geleid door de University of South Florida (USF) zal het geld in verschillende mate over vier jaar ontvangen.

Hun doel is om op een privacybewuste manier een trainingsdatabase van de stemmen van mensen te verzamelen die kunnen worden gebruikt om applicaties te trainen die artsen kunnen gebruiken om ziekten en neurologische aandoeningen op te sporen door de spraak van een persoon te onderzoeken.

Het Voice as a Biomarker of Health-project zal zich richten op software die deze vijf soorten ziekten kan oppikken:

"Ons team koos de vijf categorieën van ziekten op basis van bestaand werk op het gebied van stem-AI dat de afgelopen 20 jaar is gepubliceerd", vertelde Yael Bensoussan, de projectleider en assistent-professor aan de afdeling Otolaryngologie van USF. Het register.

Recente vooruitgang in algoritmen voor machinaal leren om spraak- en spraakgegevens te analyseren, heeft aangetoond hoe technologieën kunnen worden gebruikt om de fysieke en mentale gezondheid te beoordelen. EEN studies onder leiding van onderzoekers van MIT, bijvoorbeeld, brachten kriebels en trillingen in spraak in verband met depressie en angst.

Wetenschappers zijn van mening dat de resultaten veelbelovend genoeg zijn dat het luisteren en verwerken van het geluid van spraak of ademhaling met behulp van AI een goedkope methode zou kunnen zijn om ziekten en aandoeningen in een eerder stadium op te sporen.

"Voice is een van de goedkoopste biomarkers om te bestuderen," vertelde Bensoussan ons.

"Als je denkt aan biomarkers zoals genetische tests of beeldvorming zoals MRI's of scans, zijn ze allemaal behoorlijk arbeidsintensief en kunnen ze in zekere zin invasief zijn. CT-scans veroorzaken bijvoorbeeld straling bij patiënten. Stem is de gemakkelijkste biomarker om te verzamelen, veroorzaakt geen fysiek risico voor patiënten en kan worden verzameld in zeer lage bronnen, vooral met moderne technologie.

De NIH zal in het eerste jaar $ 3.8 miljoen schenken aan het Voice as a Biomarker of Health-initiatief voor deelnemers om een ​​grote, diverse stemdatabase te bouwen die kan worden beoordeeld naast andere gegevens die zijn verzameld uit medische beeldvorming en genomica. Spraakgegevens zullen in het eerste jaar van geselecteerde patiënten in klinische instellingen worden vastgelegd in een pilotstudie. 

De database zal worden gedeeld met onderzoekers om AI-algoritmen te trainen om gemeenschappelijke kenmerken te herkennen in de stemmen van patiënten met de diagnose van specifieke ziekten. Om ervoor te zorgen dat de gevoelige gegevens privé en veilig blijven, zullen de modellen worden getraind met behulp van federatief leren, ondersteund door Owkin, een startup die zich richt op het assisteren van biomedisch onderzoek met behulp van machine learning-software. 

“Federale leertechnologie – een nieuw AI-raamwerk waarmee machine learning-modellen op gegevens kunnen worden getraind zonder dat de gegevens ooit de bron verlaten – zal door Owkin in meerdere onderzoekscentra worden ingezet om aan te tonen dat centrumoverschrijdend AI-onderzoek kan worden uitgevoerd met behoud van de privacy en beveiliging van gevoelige spraakgegevens”, vertelde een woordvoerder van het bedrijf aan El Reg.

Met goedkeuring van het congres kan meer geld, maar liefst 14 miljoen dollar, aan het initiatief worden toegekend.

Voice als Biomarker of Health maakt deel uit van een bredere inspanning van de NIH om de adoptie van AI in R&D te versnellen in de hoop dat nieuwe technologieën de Amerikaanse gezondheidszorg zullen vernieuwen. De medische onderzoeksorganisatie beloofde om in vier jaar maar liefst $ 130 miljoen te investeren in tal van projecten die gericht zijn op het creëren van toonaangevende biomedische datasets, universele softwaretools en middelen om gezondheidsonderzoekers op te leiden in AI. ®