AI模型通過咳嗽分析有助於疾病檢測

從咳嗽的聲音到呼吸的節奏，我們身體發出的聲音蘊含著與健康相關的資訊。這些微妙的生物聲學信號可能徹底改變篩檢、診斷、監測和管理各種健康問題的方式，例如結核病（TB）或慢性阻塞性肺病（COPD）。在Google，我們看到了利用聲音作為健康指標的巨大潛力，特別是因為智能手機麥克風的普及。這就是為什麼我們一直在探索AI如何從這些聲音中提取健康洞察。

今年早些時候，我們推出了健康聲學表徵（Health Acoustic Representations，簡稱HeAR），這是一個生物聲學基礎模型，幫助研究人員創建能夠聆聽人體聲音並識別早期疾病徵兆的模型。Google研究團隊在一個多樣化、去識別化的數據集上，對HeAR進行了約3億個音頻片段的訓練。具體針對咳嗽模型，我們使用了大約1億個咳嗽聲音。

HeAR旨在捕捉與健康相關的聲音模式，為醫療音頻分析奠定了堅實基礎。我們發現，平均而言，HeAR在多項任務中表現優於其他模型，並且擅長適應不同麥克風，展現了其捕捉有意義的健康相關聲音模式的能力。此外，使用HeAR構建的模型即使在訓練數據較少的情況下也能實現高性能，這在數據有限的醫療研究領域中意義重大。

現在，HeAR已開放給研究人員使用，以加速自定義生物聲學模型的開發，即使在數據、設置或計算能力有限的情況下也能實現。我們的目標是促進針對特定疾病和群體的模型研究，無論數據多麼稀缺或成本多高。

位於印度的呼吸健康公司Salcit Technologies開發了Swaasa®，這是一款AI驅動的工具，通過分析咳嗽聲音來評估肺部健康。他們現在正在研究如何利用HeAR增強其生物聲學AI模型。Swaasa®首先使用HeAR來改善通過咳嗽聲音進行結核病早期檢測的能力。

結核病是可治療的，但每年有數百萬病例未被診斷，通常是因為人們難以獲得醫療服務。更好的診斷是消滅結核病的關鍵，而AI在檢測和使醫療服務更易獲得、更負擔得起方面可以發揮重大作用。Swaasa®一直在使用機器學習進行早期疾病檢測，使健康評估更易獲得、更負擔得起且具可擴展性，無需特殊設備或特定地點。借助HeAR，他們希望在印度擴大結核病篩檢範圍。

「每一個錯過的結核病病例都是一場悲劇；每一次延遲診斷，都令人心碎，」負責HeAR的Google研究產品經理Sujay Kakarmath說。「聲學生物標記可能改變這個故事。我非常感謝HeAR在這一旅程中能發揮的作用。」

我們還得到了StopTB Partnership等組織的支持，這是一個由聯合國主辦的組織，連結結核病專家和受影響的社區，致力於在2030年前終結結核病。

「像HeAR這樣的工具可以推動AI驅動的聲學分析在結核病篩檢和檢測中的進展，為最需要的人提供低影響、易獲得的解決方案，」Stop TB Partnership的數位健康專家Zhi Zhen Qin說。

HeAR是聲學健康研究的一大進步。我們希望通過我們的研究，幫助開發未來的診斷工具和監測解決方案，針對結核病、胸部、肺部和其他疾病，並改善全球社區的健康成果。如果您是對HeAR感興趣的研究人員，可以了解更多資訊並申請使用HeAR API。