Das KI -Modell hilft bei der Erkennung von Krankheiten durch Hustenanalyse

Vom Klang eines Hustens bis zum Rhythmus unseres Atems sind die Geräusche, die unser Körper produziert, voller gesundheitsbezogener Informationen. Diese subtilen bioakustischen Signale könnten das Spiel bei der Untersuchung, Diagnose, Überwachung und Behandlung verschiedener Gesundheitsprobleme wie Tuberkulose (TB) oder chronisch obstruktiver Lungenerkrankung (COPD) völlig verändern. Bei Google sehen wir das enorme Potenzial, Klang als Gesundheitsindikator zu nutzen, insbesondere da Smartphonemikrofone so weit verbreitet sind. Deshalb haben wir uns intensiv damit beschäftigt, wie AI Gesundheitseinblicke aus diesen Geräuschen gewinnen kann.

Anfang dieses Jahres haben wir Health Acoustic Representations, oder HeAR, ein bioakustisches Grundmodell, eingeführt, das Forschern hilft, Modelle zu entwickeln, die menschliche Geräusche analysieren und frühe Krankheitszeichen erkennen können. Das Google Research-Team hat HeAR mit beeindruckenden 300 Millionen Audioclips aus einem vielfältigen, anonymisierten Datensatz trainiert. Für das Hustenmodell speziell wurden etwa 100 Millionen Hustengeräusche verwendet.

HeAR ist darauf ausgelegt, Muster in gesundheitsbezogenen Geräuschen zu erkennen und eine solide Grundlage für die medizinische Audioanalyse zu schaffen. Wir haben festgestellt, dass HeAR im Durchschnitt andere Modelle bei einer Vielzahl von Aufgaben übertrifft und hervorragend mit verschiedenen Mikrofonen funktioniert, was seine Fähigkeit zeigt, bedeutungsvolle gesundheitsbezogene Klangmuster zu erfassen. Zudem können mit HeAR entwickelte Modelle auch mit weniger Trainingsdaten eine hohe Leistung erzielen, was in der datenbegrenzten Welt der Gesundheitsforschung von großer Bedeutung ist.

Nun steht HeAR Forschern zur Verfügung, um die Entwicklung maßgeschneiderter bioakustischer Modelle zu beschleunigen, selbst wenn Daten, Setup oder Rechenleistung begrenzt sind. Unser Ziel ist es, die Forschung an Modellen für spezifische Krankheiten und Gruppen zu fördern, unabhängig davon, wie knapp die Daten oder wie hoch die Kosten sind.

Salcit Technologies, ein Unternehmen für Atemwegsgesundheit aus Indien, hat Swaasa®, ein AI-gestütztes Tool, entwickelt, das Hustengeräusche analysiert, um die Lungenfunktion zu beurteilen. Sie untersuchen nun, wie HeAR ihre bioakustischen AI-Modelle verbessern kann. Swaasa® beginnt damit, HeAR zu nutzen, um die Früherkennung von TB durch Hustengeräusche zu verbessern.

TB ist behandelbar, doch jedes Jahr bleiben Millionen von Fällen unentdeckt, oft weil der Zugang zur Gesundheitsversorgung eingeschränkt ist. Eine bessere Diagnose ist der Schlüssel zur Ausrottung von TB, und AI kann einen großen Unterschied bei der Erkennung und der weltweiten Verbesserung der Zugänglichkeit und Erschwinglichkeit von Gesundheitsversorgung machen. Swaasa® nutzt maschinelles Lernen, um Krankheiten frühzeitig zu erkennen und Gesundheitsbewertungen zugänglicher, erschwinglicher und skalierbarer zu machen, ohne dass spezielle Geräte oder ein bestimmter Standort erforderlich sind. Mit HeAR wollen sie die TB-Screenings in ganz Indien ausweiten.

„Jeder unentdeckte TB-Fall ist eine Tragödie; jede verspätete Diagnose ein Herzschmerz“, sagt Sujay Kakarmath, Produktmanager bei Google Research, der an HeAR arbeitet. „Akustische Biomarker könnten diese Geschichte verändern. Ich bin wirklich dankbar für die Rolle, die HeAR auf diesem Weg spielen kann.“

Wir erhalten auch Unterstützung von Organisationen wie The StopTB Partnership, einer von der UN unterstützten Organisation, die TB-Experten und betroffene Gemeinschaften verbindet, um TB bis 2030 zu beenden.

„Tools wie HeAR können die AI-gestützte akustische Analyse bei TB-Screening und -Erkennung vorantreiben und eine kostengünstige, zugängliche Lösung für diejenigen bieten, die sie am dringendsten benötigen“, sagte Zhi Zhen Qin, ein Spezialist für digitale Gesundheit bei der Stop TB Partnership.

HeAR ist ein großer Fortschritt in der akustischen Gesundheitsforschung. Wir hoffen, die Entwicklung zukünftiger Diagnosetools und Überwachungslösungen für TB, Brust-, Lungen- und andere Krankheiten zu unterstützen und die Gesundheitsergebnisse für Gemeinschaften weltweit durch unsere Forschung zu verbessern. Wenn Sie ein Forscher sind, der an HeAR interessiert ist, können Sie mehr erfahren und Zugang zur HeAR-API anfordern.