美国国立卫生研究院 (NIH) 已指定高达 14 万美元的资金用于支持人工智能软件的培训，该软件可以分析患者的声音以诊断和研究疾病。
十二个研究机构 由...领着 南佛罗里达大学（USF）将在四年内不同程度地收到这笔钱。
他们的目标是以隐私意识的方式收集人们声音的训练数据库，该数据库可用于训练应用程序，医生可以使用这些应用程序通过检查一个人的言语来检测疾病和神经系统疾病。
Voice as a Biomarker of Health 项目将专注于可以检测以下五种疾病的软件：
- 声音障碍：（喉癌、声带麻痹、喉良性病变）
- 神经和神经退行性疾病（阿尔茨海默氏症、帕金森氏症、中风、ALS）
- 情绪和精神疾病（抑郁症、精神分裂症、双相情感障碍）
- 呼吸系统疾病（肺炎、慢性阻塞性肺病）
- 小儿语音和言语障碍（言语和语言延迟、自闭症）
南佛罗里达大学耳鼻喉科项目负责人兼助理教授 Yael Bensoussan 表示：“我们的团队根据过去 20 年来发表的语音 AI 现有工作选择了五类疾病。” 注册.
机器学习算法在分析语音和语音数据方面的最新进展表明，技术可以如何用于评估身心健康。 一个 根据一项研究， 例如，由麻省理工学院的研究人员领导，将演讲中的紧张和颤抖与抑郁和焦虑联系起来。
学者们认为，这些结果很有希望，使用人工智能聆听和处理语音或呼吸的声音可以提供一种在早期阶段检测疾病和紊乱的低成本方法。
“声音是研究成本最低的生物标志物之一，”Bensoussan 告诉我们。
“当您想到诸如基因检测或 MRI 或扫描等成像等生物标志物时，它们都非常耗费资源，并且在某种意义上可能具有侵入性。 例如，CT 扫描会对患者造成辐射。 语音是最容易收集的生物标志物，不会对患者造成任何身体风险，并且可以在资源非常少的环境中收集，尤其是在现代技术的情况下。”
NIH 将在第一年向 Voice 作为健康生物标志物倡议提供 3.8 万美元，供参与者构建一个大型、多样化的语音数据库，该数据库可以与从医学成像和基因组学中收集的其他数据一起进行评估。 在第一年的试点研究中，将从临床环境中选定的患者中记录语音数据。
该数据库将在研究人员之间共享，以训练人工智能算法识别被诊断患有特定疾病的患者声音中的共同特征。 为了确保敏感数据的私密性和安全性，模型将使用 Owkin 支持的联合学习进行训练，Owkin 是一家专注于使用机器学习软件协助生物医学研究的初创公司。
“联邦学习技术——一种新颖的人工智能框架，允许机器学习模型在数据不离开其来源的情况下进行训练——将由 Owkin 在多个研究中心部署，以证明可以在进行跨中心人工智能研究的同时保留数据。敏感语音数据的隐私和安全，”一位代表该公司的发言人告诉 他Reg.
在获得国会批准的情况下，可能会向该倡议提供高达 14 万美元的更多资金。
声音作为健康的生物标志物是 NIH 加速在研发中采用人工智能的更广泛努力的一部分，希望新技术能够改变美国的医疗保健。 医学研究组织 许诺 在四年内向众多项目投资多达 130 亿美元，这些项目旨在创建旗舰生物医学数据集、通用软件工具和资源，以培训医疗保健研究人员的人工智能。 ®
