AI模型通过咳嗽分析有助于疾病检测

从咳嗽的声音到呼吸的节奏，我们身体发出的声音包含了与健康相关的信息。这些微妙的生物声学信号可能会在筛查、诊断、监测和管理各种健康问题（如结核病（TB）或慢性阻塞性肺疾病（COPD））中彻底改变游戏规则。在Google，我们看到了利用声音作为健康指标的巨大潜力，特别是因为智能手机麦克风非常普遍。这就是为什么我们一直在深入研究AI如何从这些声音中提取健康洞察。

今年早些时候，我们推出了健康声学表征（Health Acoustic Representations，简称HeAR），这是一种生物声学基础模型，帮助研究人员创建能够倾听人体声音并发现早期疾病迹象的模型。Google研究团队在3000万个多样化、去标识化的音频片段数据集上训练了HeAR。对于咳嗽模型，我们具体使用了约1亿个咳嗽声音。

HeAR旨在捕捉与健康相关的声学模式，为医学音频分析奠定了坚实的基础。我们发现，平均而言，HeAR在多种任务中表现优于其他模型，并且能够适应不同的麦克风，展现了其捕捉有意义的健康相关声学模式的能力。此外，使用HeAR构建的模型即使在训练数据较少的情况下也能实现高性能，这在数据有限的医疗研究领域意义重大。

现在，HeAR可供研究人员使用，以加速开发定制的生物声学模型，即使数据、设备或计算能力有限。我们的目标是推动针对特定疾病和群体的模型研究，无论数据多么稀缺或成本多么高昂。

印度的一家呼吸健康公司Salcit Technologies开发了Swaasa®，这是一款AI驱动的工具，通过分析咳嗽声音来评估肺部健康。他们现在正在探索如何利用HeAR提升其生物声学AI模型。Swaasa®首先使用HeAR来改进通过咳嗽声音进行的结核病早期检测。

结核病是可治疗的，但每年有数百万病例未被诊断，通常是因为人们无法轻易获得医疗服务。更好的诊断是消灭结核病的关键，AI可以在检测和使医疗服务更易获得、更实惠方面发挥重要作用。Swaasa®一直在使用机器学习来早期发现疾病，使健康评估更易获得、更实惠且可扩展，无需特殊设备或特定地点。借助HeAR，他们希望在印度扩大结核病筛查范围。

“每一个未被发现的结核病病例都是一场悲剧；每一次晚诊断都是一次心碎，”Google研究团队的HeAR产品经理Sujay Kakarmath说。“声学生物标记可以改变这一现状。我非常感激HeAR能在这段旅程中发挥作用。”

我们还得到了StopTB Partnership等组织的支持，这是一家由联合国托管的组织，连接结核病专家和受影响的社区，目标是到2030年消灭结核病。

“像HeAR这样的工具可以推动AI驱动的声学分析在结核病筛查和检测中的应用，为最需要的人群提供低影响、易获得的解决方案，”Stop TB Partnership的数字健康专家Zhi Zhen Qin说。

HeAR是声学健康研究的一大飞跃。我们希望通过我们的研究帮助开发未来的诊断工具和监测解决方案，针对结核病、胸部、肺部及其他疾病，并改善全球社区的健康状况。如果您是研究人员并对HeAR感兴趣，可以了解更多信息并请求访问HeAR API。