Von Husten über Sprache bis hin zum Atem, die Geräusche, die unser Körper macht, sind voller Informationen über unsere Gesundheit. Subtile Hinweise, die in diesen bioakustischen Geräuschen verborgen sind, haben das Potenzial, die Art und Weise zu revolutionieren, wie wir eine Vielzahl von Gesundheitszuständen wie Tuberkulose (TB) oder chronisch obstruktive Lungenerkrankungen (COPD) untersuchen, diagnostizieren, überwachen und behandeln können. Als Forscher bei Google erkennen wir das Potenzial von Klang als nützlichem Gesundheitssignal und auch, dass Smartphone-Mikrofone weit verbreitet sind. Daher haben wir Möglichkeiten erforscht, KI zu nutzen, um Gesundheitseinblicke aus akustischen Daten zu extrahieren.
Früher in diesem Jahr haben wir Health Acoustic Representations, oder HeAR, eingeführt, ein bioakustisches Grundlagenmodell, das Forschern helfen soll, Modelle zu entwickeln, die menschliche Geräusche hören und frühzeitig Anzeichen von Krankheiten erkennen können. Das Google Research Team trainierte HeAR anhand von 300 Millionen Stücken Audio-Daten, die aus einem vielfältigen und anonymen Datensatz stammen, und trainierte das Hustenmodell insbesondere anhand von etwa 100 Millionen Hustengeräuschen. HeAR lernt, Muster innerhalb von gesundheitsbezogenen Geräuschen zu erkennen und schafft so eine leistungsstarke Grundlage für die medizinische Audioanalyse.
HeAR steht Forschern jetzt zur Verfügung, um die Entwicklung benutzerdefinierter bioakustischer Modelle mit weniger Daten, Einrichtung und Berechnung zu beschleunigen. Unser Ziel ist es, die weitere Forschung in Modelle für spezifische Zustände und Bevölkerungen zu ermöglichen, auch wenn Daten knapp sind oder wenn Kosten- oder Rechenbarrieren bestehen. Salcit Technologies, ein in Indien ansässiges Unternehmen für Atemwegsgesundheit, hat ein Produkt namens Swaasa® entwickelt, das KI verwendet, um Hustengeräusche zu analysieren und die Lungenfunktion zu bewerten. Nun untersucht das Unternehmen, wie HeAR dazu beitragen kann, die Fähigkeiten ihrer bioakustischen KI-Modelle zu erweitern.
TB ist eine behandelbare Krankheit, aber jedes Jahr bleiben Millionen von Fällen unerkannt – oft weil Menschen keinen bequemen Zugang zu Gesundheitsdiensten haben. Die Verbesserung der Diagnose ist entscheidend für die Ausrottung von TB, und KI kann eine wichtige Rolle bei der Verbesserung der Erkennung spielen und dazu beitragen, die Versorgung für Menschen auf der ganzen Welt zugänglicher und erschwinglicher zu machen. Swaasa® hat eine Geschichte in der Nutzung von maschinellem Lernen, um Krankheiten frühzeitig zu erkennen, um die Lücken bei Zugänglichkeit, Erschwinglichkeit und Skalierbarkeit durch ortsunabhängige, gerätefreie Bewertung der Atemwegsgesundheit zu schließen. Mit HeAR sehen sie die Möglichkeit, die Screening-Prävention für TB in ganz Indien auszubauen, indem sie auf dieser Forschung aufbauen.