ABD, sesinizin sesiyle hastalıkları teşhis etmek için AI'ya milyonlar atıyor

ABD Ulusal Sağlık Enstitüleri (NIH), hastalıkları teşhis etmek ve incelemek için hastaların seslerini analiz edebilen AI yazılımının eğitimini desteklemek için 14 milyon dolara kadar fon ayırdı.

On iki araştırma kurumu liderliğinde Güney Florida Üniversitesi (USF) parayı dört yıl içinde değişen derecelerde alacak.

Amaçları, gizlilik bilincine sahip bir şekilde, doktorların bir kişinin konuşmasını inceleyerek hastalıkları ve nörolojik bozuklukları potansiyel olarak tespit etmek için kullanabilecekleri uygulamaları eğitmek için kullanılabilecek insanların seslerinin bir eğitim veritabanını toplamak olacaktır.

Sağlığın Biyobelirteç Olarak Sesi projesi, bu beş hastalık türünü yakalayabilen yazılımlara odaklanacak:

USF'nin Kulak Burun Boğaz Departmanında proje lideri ve yardımcı doçent olan Yael Bensoussan, “Ekibimiz, son 20 yılda yayınlanan sesli yapay zekadaki mevcut çalışmalara dayanarak beş hastalık kategorisini seçti” dedi. Kayıt.

Ses ve konuşma verilerini analiz etmek için makine öğrenimi algoritmalarındaki son ilerleme, teknolojilerin fiziksel ve zihinsel sağlığı değerlendirmek için nasıl kullanılabileceğini göstermiştir. A ders çalışma Örneğin, MIT'deki araştırmacılar tarafından yönetilen, konuşmadaki titreme ve titremeleri depresyon ve kaygı ile ilişkilendirdi.

Akademisyenler, AI kullanarak konuşma veya nefes alma sesini dinlemenin ve işlemenin, hastalıkları ve bozuklukları daha erken bir aşamada tespit etmek için düşük maliyetli bir yöntem sağlayabileceğine dair sonuçların yeterince umut verici olduğuna inanıyor.

Bensoussan bize “Ses, çalışılması en ucuz biyolojik belirteçlerden biridir” dedi.

"Genetik testler veya MRI veya taramalar gibi görüntüleme gibi biyobelirteçleri düşündüğünüzde, bunların hepsi oldukça kaynak yoğundur ve bir anlamda istilacı olabilir. Örneğin BT taramaları hastalar için radyasyona neden olur. Ses, toplanması en kolay biyobelirteçtir, hastalar için herhangi bir fiziksel risk oluşturmaz ve özellikle modern teknoloji ile çok düşük kaynak ortamlarında toplanabilmektedir.”

NIH, katılımcıların tıbbi görüntüleme ve genomikten toplanan diğer verilerle birlikte değerlendirilebilecek geniş, çeşitli bir ses veritabanı oluşturmaları için Voice as a Biomarker of Health girişimine ilk yılda 3.8 milyon dolar verecek. İlk yılda bir pilot çalışmada klinik ortamlarda seçilen hastalardan konuşma verileri kaydedilecektir. 

Veritabanı, belirli hastalıklarla teşhis edilen hastaların seslerindeki ortak özellikleri tanımak için AI algoritmalarını eğitmek için araştırmacılar arasında paylaşılacak. Hassas verilerin gizli ve güvenli tutulduğundan emin olmak için modeller, makine öğrenimi yazılımı kullanarak biyomedikal araştırmalara yardımcı olmaya odaklanan bir girişim olan Owkin tarafından desteklenen birleşik öğrenme kullanılarak eğitilecek. 

"Federe öğrenim teknolojisi - veriler kaynağından ayrılmadan makine öğrenimi modellerinin veriler üzerinde eğitilmesine olanak tanıyan yeni bir AI çerçevesi - Owkin tarafından birden fazla araştırma merkezinde konuşlandırılarak merkezler arası AI araştırmasının Şirketi temsil eden bir sözcü, "hassas ses verilerinin gizliliği ve güvenliği" dedi. Reg.

Kongre onayı ile girişime 14 milyon dolara kadar daha fazla para verilebilir.

Sağlığın Biyobelirteçleri Olarak Ses, NIH'nin, yeni teknolojilerin ABD sağlık hizmetlerini yenilemesi umuduyla Ar-Ge'de yapay zekanın benimsenmesini hızlandırmaya yönelik daha geniş bir çabasının bir parçasıdır. tıbbi araştırma kuruluşu söz amiral gemisi biyomedikal veri kümeleri, evrensel yazılım araçları ve yapay zeka alanında sağlık hizmeti araştırmacılarını eğitmek için kaynaklar yaratmayı amaçlayan çok sayıda projeye dört yılda 130 milyon $'a kadar yatırım yapmak. ®