?不知道大家對(duì)做核酸怎么看，反正文摘菌的喉嚨已經(jīng)起繭了。

不過為了防疫大局，也為了知道確定自己的健康狀況，通過核酸確認(rèn)自己沒有感染新冠又在所難免。

等等……有沒有其他方法可以檢測(cè)自己有沒有中招？

最好還是不用出門的那種。

你別說，這樣的技術(shù)還真有可能出現(xiàn)。

9月8日在西班牙巴塞羅那舉行的歐洲呼吸學(xué)會(huì)國(guó)際大會(huì)(European Respiratory Society International Congress)上發(fā)表的一項(xiàng)研究表明，一款手機(jī)應(yīng)用程序借助人工智能，可以通過你的聲音判斷中是否感染了新冠肺炎。

目前，這一模型的準(zhǔn)確率已經(jīng)達(dá)到89%。

這是不是意味著，將來在家上傳自己的聲音，就可以代替做核酸了？想想都覺得美妙……

通過聲音分辨你是否是陽(yáng)性，效果優(yōu)于快速抗原檢測(cè)

新冠肺炎會(huì)影響上呼吸道和聲帶，導(dǎo)致人的聲音發(fā)生變化。

在這基礎(chǔ)上，馬斯特里赫特大學(xué)數(shù)據(jù)科學(xué)研究所(Institute of Data Science)的Wafaa Aljbawi女士和她的上司，馬斯特里赫特大學(xué)醫(yī)學(xué)中心的肺病專家Sami Simon 博士，以及同樣來自數(shù)據(jù)科學(xué)研究所的Visara Urovi博士，決定研究是否有可能使用人工智能來分析聲音以檢測(cè)新冠陽(yáng)性。

他們使用了劍橋大學(xué)的COVID-19聲音應(yīng)用程序的數(shù)據(jù)，該應(yīng)用程序包含4352名健康和非健康參與者的893個(gè)音頻樣本，其中308人的新冠檢測(cè)呈陽(yáng)性。

該應(yīng)用程序安裝在用戶的手機(jī)上，參與者報(bào)告一些人口統(tǒng)計(jì)、病史和吸煙狀況等基本信息，然后被要求記錄一些呼吸聲音，包括咳嗽三次，用嘴深呼吸三到五次，在屏幕上讀短句子三次。

研究人員使用了一種名為“梅爾譜圖分析（Mel-spectrogram）”的語音分析技術(shù)，該技術(shù)可以識(shí)別不同的語音特征，如響度、頻率和隨時(shí)間的變化。

“通過這種方式，我們可以分解參與者聲音的許多屬性，”Aljbawi女士說。“為了區(qū)分新冠病毒陽(yáng)性患者和陰性正常人群的聲音，我們建立了不同的人工智能模型，并評(píng)估哪一種模型最適合分類這些病例。”

他們發(fā)現(xiàn)LSTM模型優(yōu)于其他模型。LSTM基于神經(jīng)網(wǎng)絡(luò)，它模擬人腦的運(yùn)作方式，并識(shí)別數(shù)據(jù)中的潛在關(guān)系。它擅長(zhǎng)時(shí)序分析，這使得它適合對(duì)隨著時(shí)間的推移收集的信號(hào)進(jìn)行建模，比如聲音。

最終，這個(gè)模型的總體準(zhǔn)確率為89% ，正確檢出陽(yáng)性病例(真陽(yáng)性)的能力為89% ，正確識(shí)別陰性病例(真陰性)的能力為83% 。

“這些結(jié)果顯示，與橫向流動(dòng)試驗(yàn)等最先進(jìn)的檢測(cè)方法相比，診斷新冠病毒疾病的準(zhǔn)確性有了顯著提高，”Aljbawi表示，“側(cè)流檢測(cè)法(快速抗原檢測(cè))的準(zhǔn)確率僅為56%，但特異性更高，達(dá)99.5%。這一點(diǎn)很重要，因?yàn)樗馕吨焖倏乖瓩z測(cè)將感染者錯(cuò)誤地分類為陰性的情況比我們的測(cè)試更為常見。換句話說，使用AI LSTM模型，我們可能會(huì)漏掉11/100的病例，這些病例會(huì)繼續(xù)傳播感染，而快速抗原檢測(cè)將會(huì)漏掉44/100的病例。”

該做核酸還是得做核酸

之所以跟快速抗原檢測(cè)相比，是因?yàn)樵S多國(guó)家目前已經(jīng)不再進(jìn)行免費(fèi)的核酸病毒檢測(cè)——也就是國(guó)內(nèi)進(jìn)行的大規(guī)模核酸檢測(cè)。

核酸病毒檢測(cè)是對(duì)采集的病毒核酸進(jìn)行直接檢測(cè)，具有特異性強(qiáng)、靈敏度高的特點(diǎn)，是新型冠狀病毒檢測(cè)的主要方法。

快速抗原檢測(cè)相對(duì)來說要簡(jiǎn)單一些，可以自己完成，主要通過通過檢測(cè)病毒的抗原來進(jìn)行分辨，可以作為新型冠狀病毒診斷的主要依據(jù)之一，但是準(zhǔn)確率相對(duì)來說低一些。

許多國(guó)家目前都以發(fā)放快速抗原自測(cè)包為主，抗原檢測(cè)呈陽(yáng)性的才會(huì)要求做進(jìn)一步檢測(cè)。

當(dāng)然，因?yàn)檫@種自測(cè)包相對(duì)來說操作難度還是有的，所以準(zhǔn)確率不太高，因此如果能夠通過聲音來判斷是陽(yáng)性，那既可以節(jié)省資源，又能夠獲得相對(duì)準(zhǔn)確的結(jié)果，確實(shí)是一件好事。

所以說，盡管在假陽(yáng)性方面，AI表現(xiàn)比較差，會(huì)有17%的人被誤診為陽(yáng)性，但是可以把它作為初篩手段，讓聲音檢測(cè)呈陽(yáng)性的，再去進(jìn)行下一步檢測(cè)。

并且，這項(xiàng)技術(shù)針對(duì)的更多是核酸檢測(cè)昂貴和/或難以分發(fā)的低收入國(guó)家。

至于我們，該做核酸還是得做核酸……

外，研究人員說，他們的結(jié)果還需要大量的數(shù)據(jù)來驗(yàn)證，自該項(xiàng)目開始以來，從36116名參與者收集了53449個(gè)音頻樣本，可用于改進(jìn)和驗(yàn)證模型的準(zhǔn)確性。他們還正在進(jìn)行進(jìn)一步分析，以了解語音中的哪些參數(shù)正在影響人工智能模型。

相關(guān)報(bào)道：

https://www.news-medical.net/news/20220905/AI-model-detects-COVID-19-infection-in-peoplee28099s-voices.aspx