COVID-i Diagnoosimine Inimese Häälest

Teadlased uurivad võimalusi inimeste häälitsuste kasutamiseks koronaviirusnakkuste, dementsuse ja depressiooni diagnoosimiseks.

Märtsis, kui koronaviiruse pandeemia hämmastav ulatus hakkas selguma, hakkasid kogu maailma ametnikud kutsuma avalikkust võitlusesse liituma. Haiglad palusid kohalikel ettevõtetel annetada näomaskid. Teadlased kutsusid inimesi, kes olid COVID-19-st taastunud, loovutama oma vereplasmat. Ja Iisraelis palusid kaitseministeerium ja idufirma Vocalis Health inimestel oma hääle annetada.

Iisraeli ja Ameerika Ühendriikide kontoritega häälanalüüsiettevõte Vocalis oli varem loonud nutitelefoni rakenduse, mis suudaks tuvastada kroonilise obstruktiivse kopsuhaiguse ägenemisi, kuulates märke, et kasutajatel on rääkimisel õhupuudus. Firma soovis sama teha ka COVID-19-ga. Inimesed, kes olid koronaviiruse suhtes positiivsed, said osaleda lihtsalt alla laadides uurimisrakenduse Vocalis. Kord päevas käivitasid nad rakenduse ja rääkisid oma telefonidesse, kirjeldades valjusti pilti ja lugedes 50–70.

Siis hakkas Vocalis neid masinõppesüsteemiga neid lindistusi töötlema koos inimeste häälega, kelle haigus oli negatiivne, püüdes tuvastada haiguse hääletrükki. Suve keskpaigaks oli ettevõttel enam kui 1 500 hääle näidist ja digitaalse COVID-19 sõelumisvahendi pilootversioon. Tööriist, mida ettevõte praegu kogu maailmas testib, ei ole mõeldud lõpliku diagnoosi andmiseks, vaid selleks, et aidata arstidel võimalikke juhtumeid välja selgitada, selgitades välja inimesed, kes võiksid kõige rohkem testimist, karantiini või isikliku arstiabi vajada. "Kas saame aidata meie tehisintellekti algoritmiga?" küsib Vocalise president ja tegevjuht Tal Wenderow. "See ei ole invasiivne, see pole ravim, me ei muuda midagi. Kõik, mida peate tegema, on rääkida.”.

Nad pole ainsad, kes võistlevad COVID-19 häälekate biomarkerite leidmise nimel - vähemalt kolm teist uurimisrühma töötavad sarnaste projektide kallal. Teised meeskonnad analüüsivad COVID-19 köha helisalvestisi ja töötavad välja häälanalüüsi algoritme, mis on loodud tuvastama, kui keegi kannab näomaski.

See on märk sellest, kui näljane on noor vokaaldiagnostika valdkond oma jälgi jätma. Viimase kümne aasta jooksul on teadlased kasutanud tehisintellekti (AI) ja masinõppesüsteeme, et tuvastada mitmesuguste seisundite, sealhulgas dementsuse, depressiooni, autismispektri häire ja isegi südamehaiguste potentsiaalsed vokaalsed biomarkerid. Nende väljatöötatud tehnoloogiad suudavad välja valida peent erinevusi teatud tingimustega inimeste kõneviisis ja ettevõtted kogu maailmas hakkavad neid turustama.

Praegu on enamik meeskondi lähenemas aeglaselt ja järk-järgult, kavandades arstide kabinettides või kliinilistes uuringutes kasutamiseks kohandatud tööriistu. Kuid paljud unistavad selle tehnoloogia laiemast kasutuselevõtust, kasutades haiguste ja häirete tuvastamiseks tarbekaupades üldlevinud mikrofone. Need süsteemid võiksid ühel päeval lubada epidemioloogidel kasutada nutitelefone haiguste leviku jälgimiseks ja muuta nutikad kõlarid kodus kasutatavateks meditsiiniseadmeteks. "Tulevikus ütlevad teie robot, teie Siri, teie Alexa lihtsalt:" Oh, teil on külm ", ütleb Saksamaa Augsburgi ülikooli ühise seisukohaga kõne- ja emotsioonituvastuse spetsialist Björn Schuller. ja Imperial College London, kes juhib üht COVID-19 uuringut.

Kuid automatiseeritud vokaalanalüüs on endiselt uus valdkond ja sellel on mitmeid võimalikke lõkse, alates ekslikest diagnoosidest kuni isikliku ja meditsiinilise privaatsuse rikkumiseni. Paljud uuringud on endiselt väikesed ja esialgsed ning ideekontrollist toote juurde liikumine pole lihtne. "Oleme selle varajastel tundidel," ütleb Schuller.

Mõned vaevused põhjustavad ilmseid hääle moonutusi; võtke arvesse allergia all kannatavat inimest. Kuid paljud teadlased arvavad, et vokaalanalüüs võib tänu inimkõne keerukusele aidata tuvastada tohutult palju häireid.

Kõnesignaalid

Rääkimine nõuab paljude anatoomiliste struktuuride ja süsteemide kooskõlastamist. Kopsud saadavad õhku läbi häälepaelte, mis tekitavad helisid, mida muud struktuurid muudavad ka keel, huuled ja ninaõõnesid. Aju aitab koos teiste närvisüsteemi osadega kõiki neid protsesse reguleerida ja määrata sõnu, mida keegi ütleb. Haigus, mis mõjutab mõnda neist süsteemidest, võib jätta inimese kõnesse diagnostilised vihjed.

Masinõpe on andnud teadlastele viisi aberratsioonide kiireks ja ulatuslikuks avastamiseks. Teadlased saavad nüüd arvutisse toita sadu või tuhandeid hääleproove, et otsida funktsioone, mis eristaksid erinevate terviseseisunditega inimesi neist, kellel neid pole.

Suur osa varajasest tööst selles valdkonnas keskendus Parkinsoni tõvele, millel on kõnes tuntud mõju ja mille kohta pole lõplikku diagnostilist testi. Häire põhjustab mitmesuguseid motoorseid sümptomeid, sealhulgas värisemist, lihasjäikust ning probleeme tasakaalu ja koordinatsiooniga. Kontrolli kaotamine laieneb kõnes osalevatele lihastele; seetõttu on paljudel Parkinsoni tõvega inimestel nõrk ja pehme hääl. "See on üks neist asjadest, mida kuulete inimkõrvaga," ütleb Reza Hosseini Ghomi, Washingtoni Kirklandis asuva EvergreenHealthi neuropsühhiaater, kes on tuvastanud mitme neurodegeneratiivse haigusega seotud häälejooned. "Kuid kui saate 10 000 näidist ja arvuti, saate palju täpsemaks."

Rohkem kui kümme aastat tagasi hakkas nüüd Suurbritannias Birminghami ülikoolis masinõppe ja signaalitöötluse uurija Max Little uurima, kas hääleanalüüs võib aidata arstidel keerulisi diagnoose panna. Ühes uuringus kasutasid Little ja tema kolleegid helisalvestisi 43 täiskasvanult, kellest 33 põdesid Parkinsoni tõbe, öeldes silbi “ahhh”. Nad kasutasid kõnetöötlusalgoritme, et analüüsida iga salvestise 132 akustilist omadust, tuvastades lõpuks 10 sellist omadust nagu hingeldus ja värisevad võnked kõrguses ja tämbris - mis tundusid kõige paremini ennustavat Parkinsoni tõbe. Kasutades vaid neid 10 omadust, suutis süsteem tuvastada selle haigusega inimestelt saadud kõneproovid peaaegu 99% täpsusega.

Vähesed ja teised selle valdkonna töötajad on samuti demonstreerinud, et teatud vokaaljooned korreleeruvad Parkinsoni sümptomite raskusastmega. Süsteemid pole kliinilises praktikas tavapäraseks kasutamiseks veel piisavalt tugevad, ütleb Little, kuid potentsiaalseid rakendusi on palju. Vokaalanalüüs võib pakkuda kiiret ja odavat viisi jälgida kõrge riskiga inimesi; suurte populatsioonide sõelumiseks; või võib-olla isegi telefoniteenuse loomiseks, mis võimaldaks eemalt diagnoosida inimesi, kellel pole juurdepääsu neuroloogile. Patsiendid said kasutada seda tehnoloogiat kodus nutitelefoni rakenduse kujul, öelda oma sümptomite jälgimiseks ja jälgida nende reaktsiooni ravimitele. "Selline tehnoloogia võimaldab kiiret hetkepilti, peaaegu pidevat ülevaadet sellest, kuidas kellegi sümptomid muutuvad," ütleb Little.

Nüüd töötavad teadlased kõnepõhiste biomarkerite tuvastamiseks muud tüüpi neurodegeneratiivsete haiguste jaoks. Näiteks teadlaste trio Kanadas Torontos kasutas enam kui 250 inimese häälenäiteid ja ärakirju, et tuvastada kümneid erinevusi võimaliku või tõenäolise Alzheimeri tõvega inimeste ja ilma selleta inimeste kõnes. Osalejate seas kippusid Alzheimeri tõvega inimesed kasutama lühemaid sõnu, väiksemaid sõnavara ja rohkem lausekatkeid. Samuti kordasid nad ennast ja kasutasid asesõnade, näiteks ‘it’ või ‘this’, suuremat suhet. "See võib olla märk sellest, et nad lihtsalt ei mäleta asjade nimesid, nii et nad peavad selle asemel kasutama asesõnu," ütleb uuringut juhtinud Toronto ülikooli arvutiteadlane Frank Rudzicz.

Kui süsteem arvestas 35 neist vokaalsetest tunnustest koos, suutis see Alzheimeri tõvega inimesi 82% täpsusega tuvastada. (See on sellest ajast alates paranenud umbes 92% -ni, ütleb Rudzicz, märkides, et vead kipuvad enam-vähem võrdselt jagunema valenegatiivide ja valepositiivide vahel.) "Need funktsioonid moodustavad mingi dementsuse sõrmejälje," ütleb Rudzicz. "See on väga keerukas varjatud muster, mida meil on raske pinnalt näha, kuid masinõpe võib selle välja valida, kui anda piisavalt andmeid."

Kuna mõned neist vokaalsetest muutustest ilmnevad neurodegeneratiivsete haiguste varajases staadiumis, loodavad teadlased, et hääleanalüüsi vahendid võivad lõpuks aidata arstidel selliseid seisundeid varem diagnoosida ja potentsiaalselt sekkuda enne, kui muud sümptomid ilmnevad.

Praegu jääb see idee siiski suuresti teoreetiliseks; teadlased peavad ikkagi tegema suuri pikaajalisi pikisuunalisi katseid, et tõestada, et hääleanalüüsiga saab haigust tegelikult varem tuvastada kui tavaliste diagnostikameetoditega.

Ja mõned kliinikud märgivad, et ainult hääleanalüüs annab harva lõpliku diagnoosi. "Ma õpin palju, kuulates kellegi häält," ütleb Ann Arbori Michigani ülikooli laringoloog Norman Hogikyan. “Teen seda elatise saamiseks. Aga panin selle kokku ajaloo ja siis eksamiga. Selle hinnangu kõik kolm osa on olulised.”.

Valdkonna teadlased rõhutavad, et eesmärk pole arste asendada ega eraldiseisvaid diagnostikaseadmeid luua. Selle asemel näevad nad hääleanalüüsi kui vahendit, mida arstid saavad oma otsustest teavitada, kui veel ühte „elutähtsat märki”, mida nad saavad tellida või jälgida. "Minu nägemus on see, et kõneproovide kogumine muutub sama tavaliseks kui vereanalüüs," ütleb Isabel Trancoso, Lissaboni ülikooli kõnekeelte töötlemise uurija.

Rakenduste laiendamine

Mitmed hääleanalüüsi idufirmad, sealhulgas Rudziczi poolt asutatud Toronto firma Winterlight Labs ja Arizona Scottsdale'is asuv Aural Analytics, pakuvad nüüd oma tarkvara farmaatsiaettevõtetele. Paljud kasutavad seda tehnoloogiat, et hinnata, kas nende kliinilistesse uuringutesse kaasatud inimesed reageerivad eksperimentaalsele ravile. "Kasutades kõnet neuroloogilise tervise muutuste peenema asendusena, saate aidata narkootikume üle finišijoone tõsta või vähemalt tuvastada need, mis ei luba juba varakult," ütleb Visar Berisha, kaasasutaja ja analüütikute juht aadressil Aural Analytics.

Neurodegeneratiivsed häired on alles algus. Teadlased on tuvastanud neurodevelopmentaalsete häiretega lastel erinevad kõnemustrid. Ühes väikeses 2017. aasta uuringus tegid Schuller ja tema kolleegid kindlaks, et kümnekuuste imikute lobisemist analüüsivad algoritmid suudavad teatud täpsusega tuvastada, millistel lastel diagnoositakse autismispektri häire. Süsteem klassifitseeris õigesti umbes 80% autismiga lastest ja 70% neurotüüpsetest lastest.

Teadlased on ka leidnud, et paljud tähelepanupuudulikkuse ja hüperaktiivsusega lapsed räägivad valjemini ja kiiremini kui nende neurotüüpilised eakaaslased ning neil on rohkem hääle pinge märke. Berliinis asuv ettevõte PeakProfiling töötab nüüd välja kliinilise kõneanalüüsi tööriista, mis loodetavasti aitab arstidel haigusseisundit diagnoosida.

Kuid mõned arstid on skeptilised, kui palju kasulikku teavet sellised süsteemid tegelikult pakuvad. "Osa sellest on veidi üle puhutud," ütleb Connecticutis Fairfieldis asuva Sacred Heart'i ülikooli kommunikatsioonihäirete spetsialist Rhea Paul. Neuroreformatsiooni häiretega lastel on sageli palju kergesti jälgitavaid käitumissümptomeid, märgib ta.

Veelgi enam, pole veel selge, kas algoritmid tuvastavad tõepoolest spetsiifilisi markereid näiteks autismispektri häire jaoks või koguvad lihtsalt aju ebatüüpilise arengu üldiseid märke või isegi lihtsalt ajutisi kõrvalekaldeid kõnes. "Areng on looklev tee ja mitte iga laps, kes hakkab tunduma, et tal on autism, kasvab täiskasvanuks, kellel on autism," ütleb Paul. Isegi kui teadlased tuvastavad väga usaldusväärse ja spetsiifilise vokaalse biomarkeri, lisab ta, et seda tuleks kasutada ainult nende laste kindlakstegemiseks, kellele võiks põhjalikum hindamine kasulik olla. "Iseenesest ei tohiks lapse sildistamine olla piisav, eriti nii varajases elus."

Teadlased pöörduvad tehnoloogia poole ka vaimuhaiguste poole. Arvukad meeskonnad üle kogu maailma on välja töötanud süsteemid, mis suudavad üles võtta aeglase, pausirohke, monotoonse kõne, mis kipub iseloomustama depressiooni, ja teised on tuvastanud psühhoosi, suitsiidi ja bipolaarse häirega seotud hääle biomarkerid.

"Hääl on meie emotsioonisignaalide kandmise osas tohutult rikas," ütleb New Yorgi ülikooli psühhiaater Charles Marmar. "Need omadused, kiirus, rütm, helitugevus, helikõrgus, prosoodia [stress ja intonatsioon] - need funktsioonid ütlevad teile, kas patsient on maas ja heitunud, kas ta on ärritunud ja ärev või kas ta on düsfooriline ja maniakaalne.”.

Oma töös on Marmar masinõppe abil tuvastanud 129 meessoost sõjaväeveteranist 18 traumajärgse stressihäirega (PTSD) seotud hääleomadust. Neid funktsioone analüüsides - mis olid peamiselt aeglase, tasase ja monotoonse kõne näitajad - suutis süsteem peaaegu 90% täpsusega tuvastada, kellel veteranidest oli PTSD.

Marmar ja tema kolleegid laiendavad nüüd oma teadusuuringuid ka naistele ja tsiviilisikutele; kui meeskond suudab leiud üldistada, arvab Marmar, et tehnoloogia võiks olla kasulik viis kiiresti tuvastada inimesi, kes vajaksid põhjalikumat psühhiaatrilist hindamist. "Esimene reaalses maailmas kasutatav rakendus oleks PTSD suure läbilaskevõimega sõeluuring," ütleb ta. "Mõne tunni jooksul saate teha 4 000 häälekraani."

Sarnased tarbijarakendused on juba hakanud maailma jõudma. USA veteranide ministeerium uurib, kas vaimse tervise jälgimise rakendus suudab tuvastada psühholoogilisi probleeme kannatavaid teenistujaid. Massachusettsi osariigis Bostonis asuva vestlusnõustamise ja analüüsiettevõtte Cogito poolt välja töötatud nutitelefoni rakendus kogub metaandmeid kasutajate harjumuste kohta, näiteks selle kohta, kui sageli nad teistele inimestele helistavad või tekstisõnumeid esitavad, ning analüüsib telefonile jäetud häälmemosid.

Võib esineda isegi häälelisi biomarkereid tingimustele, millel pole justkui mingit seost kõnega. Ühes 2018. aastast pärinevas uuringus avastasid teadlased, kes analüüsisid 101 inimese kõneproove, kellele plaaniti teha pärgarteri angiogramm, et teatud vokaalsageduse mustrid olid seotud raskema pärgarteri haigusega.

Pole selge, mis neid erinevusi seletab. "Me võitleme mehhanismiga, sest see pole ilmne," ütleb uuringu eestvedaja Minnesotas Rochesteri Mayo kliiniku kardioloog Amir Lerman. Koronaararterite haigus võib teoreetiliselt häält muuta, vähendades verevoolu, ütleb ta. Kuid on ka võimalik, et vokaalseid muutusi ei põhjusta mitte haigus ise, vaid muud seotud riskifaktorid, nagu stress või depressioon.

Keerukas tõlge

See uuring näitab nii selle tehnoloogia lubadust kui ka piiranguid. Üks asi on see, kui arvuti valib välja vokaalmustrid, kuid teine, raskem ülesanne on mõista, mida need tähendavad ja kas need on kliiniliselt olulised. Kas need on kõnealuse haiguse põhiomadused? Või pelgalt mõne muu grupi vahelise erinevuse, näiteks vanuse, soo, keha suuruse, hariduse või väsimuse markerid, mis võiksid olla segadust tekitavad tegurid? "Püüame eemalduda lihtsalt andmete sisestamisest algoritmi ja sukelduda tõepoolest andmekogumitesse, esitades kõigepealt haiguse mudeli ja seejärel katsetades seda masinõppega," ütleb Ghomi.

Enamik seniseid uuringuid on tuvastanud potentsiaalsed biomarkerid ainult väikesel üksikul patsiendipopulatsioonil. "Taastatavus on endiselt küsimus," ütleb Lerman. "Kas mu hääl täna ja homme ning ülehomme on sama?" Tulemuste üldistamise tagamiseks ja kallutatuse võimaluse vähendamiseks peab meditsiinialgoritmide-teadlaste jaoks teadaolev probleem katsetama oma klassifitseerimissüsteeme suuremates, mitmekesisemates valimites ja erinevates keeltes. "Me ei taha kinnitada kõnemudelit ainult 300 patsiendiga," ütleb Jim Schwoebel, Bostonis asuva hääleanalüüsi ettevõtte Sonde Health andmete ja uuringute asepresident. "Me arvame, et meil on vaja 10 000 või rohkem."

Ettevõte haldab veebiplatvormi SurveyLex, mis võimaldab teadlastel hõlpsalt häälküsitlusi luua ja levitada, samuti projekti Voiceome, mille eesmärk on koguda hääle näidiseid ja terviseteavet kuni 100 000 inimeselt mitmesuguste kõneülesannete täitmiseks, asukohad ja aktsendid. "New Yorgis võib teil olla depressioon ja Texase osariigis Houstonis kõlab teistmoodi masendus," ütleb Schwoebel.

Paljude teadlaste jaoks mõeldud rakenduste puhul peavad hääleanalüüsisüsteemid mitte ainult eristama haigeid inimesi tervislikust kontrollist, vaid tegema vahet ka mitmesugustel haigustel ja seisunditel. Ja nad peavad seda tegema väljaspool laborit, kontrollimatutes igapäevastes olukordades ja mitmesugustes tarbijaseadmetes. "Teil on nutitelefonid, millel on piiratud valik andureid, ja inimesed kasutavad neid kõikjal väga kontrollimatutes keskkondades," ütleb Austraalias Sydneys New South Walesi ülikoolis kõnesignaali töötlemist uuriv teadlane Julien Epps.

Kui Epps ja tema kolleegid, sealhulgas Sonde Healthi teadlane, analüüsisid laboris kvaliteetsete mikrofonidega salvestatud hääleproove, suutsid nad depressiooni tuvastada umbes 94% täpsusega. Kõneproovide kasutamisel, mille inimesed salvestasid oma keskkonnas oma nutitelefoniga, langes täpsus alla 75%, teatasid teadlased 2019. aasta artiklis.

Ja see, et tehnoloogia on mitteinvasiivne, ei tähenda, et see oleks riskideta. See tekitab tõsiseid privaatsusprobleeme, sealhulgas võimalust, et isikuid saab anonüümsete kõneproovide järgi tuvastada, et süsteemid võivad tahtmatult jäädvustada eravestlusi ja et tundlikku meditsiiniteavet võidakse müüa, jagada, häkkida või kuritarvitada.

Kui tehnoloogiat ei reguleerita nõuetekohaselt, on oht, et kindlustusandjad või tööandjad võivad neid süsteeme kasutada kõneproovide analüüsimiseks ilma selgesõnalise nõusolekuta või isikliku tervisealase teabe saamiseks ja potentsiaalselt oma klientide või töötajate diskrimineerimiseks.

Ja siis on valepositiivsete ja ülediagnoosimise oht mitmeaastane. "Peame olema tõelised ja mõistma, et suur osa sellest on ikkagi uurimistöö," ütleb Rudzicz. "Ja me peame hakkama mõtlema, mis juhtub, kui seda rakendame."