تشخیص بیماری از روی صدای سرفه

هوش مصنوعی جدید گوگل از روی صدای سرفه بیماری را تشخیص می‌دهد

در جدیدترین اخبار منتشر شده در صنعت تکنولوژی مطلع شدیم که مدل هوش مصنوعی جدید گوگل از روی صدای سرفه بیماری را تشخیص می‌دهد.

بدن انسان سمفونی از صداها را تولید می‌کند که هر کدام حاوی اطلاعات ارزشمندی درباره سلامتی ما هستند. این سیگنال‌های بیو آکوستیک پتانسیل تغییر روش تشخیص، تشخیص و مدیریت طیف گسترده‌ای از شرایط بهداشتی مانند سل (TB) و بیماری انسدادی مزمن ریوی (COPD) را دارند.

براساس گزارش منتشر شده توسط رسانه inceptivemind مطلع شدیم که محققان گوگل قدرت صدا را به عنوان یک شاخص سلامت و در دسترس بودن گسترده میکروفون‌های گوشی‌های هوشمند درک می‌کنند. این باعث شده که آن‌ها مدل هوش مصنوعی جدیدی را آموزش دهند که می‌تواند از روی صدای سرفه بیماری را تشخیص می‌دهد.

در اوایل سال جاری، محققان از یک مدل هوش مصنوعی ابتکاری به نام Health Acoustic Representations (HeAR) رونمایی کردند که برای شناسایی سیگنال‌های زیستی صوتی برای تشخیص بیماری‌هایی مانند سل طراحی شده است. این فناوری پیشگامانه پتانسیل آن را دارد که با ساده‌سازی تشخیص بیماری با استفاده از صدا سرفه، انقلابی در مراقبت‌های بهداشتی ایجاد کند.

تیم پژوهشی گوگل مدل هوش مصنوعی خود را با استفاده از ۳۰۰ میلیون فایل صوتی آموزش دادند. داده‌هایی که به‌ادعای گوگل کاملا ناشناس بوده و به گروه‌های مختلف تعلق داشتند. آن‌ها همچنین برای آموزش HeAR از ۱۰۰ میلیون فایل صوتی حاوی صدای سرفه بهره بردند.

به‌تدریج HeAR توانست الگو و ارتباط بین صدای سرفه و بیماری‌های مختلف را پیدا کند. اتفاقی که می‌توان از آن به‌عنوان موفقیتی بزرگ در حوزه هوش مصنوعی نام برد. گوگل ادعا می‌کند که سیستم هوش مصنوعی جدید این شرکت نسبت به سایر گزینه‌های موجود دقت و عملکرد بسیار بهتری دارد. همچنین سایر مدل‌های توسعه یافته بر پایه HeAR می‌توانند با داده‌های آموزشی کمتر عملکرد خیره‌کننده‌ای در تشخیص بیماری‌‌ها داشته باشند.

مسئله‌ای که با توجه به کمبود داده‌های پژوهشی پزشکی بسیار مهم جلوه می‌کند. گوگل اکنون مدل هوش مصنوعی جدید خود را در اختیار پژوهشگران مختلف قرار داده است تا زمینه را برای تشخیص بیماری‌های بیشتر و توسعه مدل‌های دیگر فراهم کند. تیم پژوهشی گوگل امیدوار است که در آینده مدل‌‌های هوش مصنوعی پزشکی با توجه به بافت جمعیتی و نژادی مناطق مختلف و شرایط خاص توسعه یابند.

تشخیص بیماری از روی صدای سرفه

در همین راستا نیز یک شرکت هندی محصولی را به‌نام Swaasa ارائه کرده است که می‌تواند از هوش مصنوعی برای ارزیابی صدای سرفه و تشخیص وضعیت سلامتی ریه استفاده کند. پژوهشگران امیدوار هستند که با ترکیب محصول هندی با فناوری هوش مصنوعی خاص گوگل امکان تشخیص بیماری سل در همان مراحل اولیه فراهم شود.

این شرکت اکنون در حال بررسی پتانسیل HeAR برای افزایش بیشتر قابلیت‌های مدل‌های هوش مصنوعی بیو آکوستیک خود است. در ابتدا، Swaasa از HeAR برای پیشبرد تحقیقات خود در زمینه تشخیص زودهنگام سل از طریق تجزیه‌وتحلیل صدای سرفه استفاده می‌کرد.

سل یک چالش بهداشت عمومی قابل توجه است؛ به طوری که میلیون‌ها مورد هر ساله به دلیل دسترسی محدود به خدمات مراقبت‌های بهداشتی تشخیص داده نمی‌شوند. بهبود و آسان‌سازی تشخیص سل در تلاش جهانی برای ریشه کنی این بیماری بسیار مهم است. استفاده از فناوری هوش مصنوعی می‌تواند نقشی اساسی در افزایش تشخیص و در دسترس‌تر کردن و مقرون‌به‌صرفه‌تر کردن مراقبت‌های بهداشتی برای مردم سراسر جهان داشته باشد.

با کمک فناوری جدید گوگل می‌توان شرایط را به شکل چشم‌گیری بهبود بخشید. جالب اینجاست که برخی از سازمان‌های تخصصی مرتبط با سازمان ملل متحد نیز از فناوری هوش مصنوعی گوگل استقبال کرده‌اند. آنها امیدوار هستند که با کمک این فناوری بیماری سل تا سال ۲۰۳۰ به‌طور کامل ریشه‌کن شود.

هوش مصنوعی HeAR یک جهش قابل توجه و رو به جلو در زمینه تحقیقات سلامت بیو آکوستیک می‌باشد. هدف این است که پیشرفت ابزارهای تشخیصی و راه‌حل‌های نظارتی در زمینه سل، قفسه سینه، ریه و سایر مناطق بیماری را هدایت کند. از طریق این تحقیق، محققان در آرزوی بهبود نتایج سلامت برای جوامع در سراسر جهان هستند.

تیم پژوهشی گوگل نیز خوشبین است که بتواند با گسترش مدل هوش مصنوعی طیف بیشتری از بیماری های مختلف را تشخیص داده و گامی مهم در راستای ارتقاء سلامت جهانی بردارد. با ما همراه باشید در صورت انتشار اخبار جدید در رابطه با هوش مصنوعی جدید گوگل بلافاصله آن را با شما به اشتراک خواهیم گذاشت. همچنین شما نیز می‌توانید نظرات و پیش‌بینی‌های خود را درباره تشخیص بیماری از روی صدای سرفه با استفاده از هوش مصنوعی با ما در میان بگذارید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا