Künstliche Intelligenz (KI) kann eingesetzt werden, um eine COVID-19-Infektion mit Hilfe einer Handy-App in der Stimme zu erkennen. Dies geht aus einer Studie hervor, die auf dem Internationalen Kongress der European Respiratory Society in Barcelona vorgestellt wurde. Das in dieser Forschung verwendete AI-Modell ist genauer als Lateral-Flow-/Rapid-Antigen-Tests und ist kostengünstig, schnell und einfach zu handhaben, was bedeutet, dass es in Ländern mit niedrigem Einkommen eingesetzt werden kann, in denen PCR-Tests teuer und/oder schwer zu verteilen sind.
Wafaa Aljbawi, Forscher am Institut für Datenwissenschaften der Universität Maastricht in den Niederlanden, erklärt, dass das KI-Modell in 89 % der Fälle richtig lag, während die Genauigkeit der Lateral-Flow-Tests je nach Marke stark variierte. Darüber hinaus waren Lateral-Flow-Tests beim Nachweis einer COVID-Infektion bei Personen, die keine Symptome zeigten, deutlich ungenauer.
„Diese vielversprechenden Ergebnisse deuten darauf hin, dass einfache Sprachaufnahmen und verfeinerte Algorithmen der künstlichen Intelligenz möglicherweise eine hohe Genauigkeit bei der Bestimmung der mit COVID-19 infizierten Patienten erreichen können“, sagt er. „Diese Tests können kostenlos durchgeführt werden und sind leicht zu interpretieren. Darüber hinaus ermöglichen sie virtuelle Ferntests und haben eine Durchlaufzeit von weniger als einer Minute, fügt er hinzu. Sie könnten z.B. an den Eingangspunkten großer Ballungsräume eingesetzt werden und ein schnelles Screening der Bevölkerung ermöglichen.
Eine COVID-19-Infektion betrifft in der Regel die oberen Atemwege und die Stimmbänder, was zu Veränderungen der Stimme führt. Aljbawi und seine Betreuer, Dr. Sami Simons, Lungenspezialist am Maastricht University Medical Centre, und Dr. Visara Urovi, ebenfalls vom Data Science Institute, beschlossen zu untersuchen, ob es möglich ist, mithilfe von KI Stimmen zu analysieren, um COVID-19 zu erkennen. Sie verwendeten Daten aus der Crowdsourcing-Anwendung COVID-19 Sounds der Universität Cambridge, die 893 Hörproben von 4.352 gesunden und ungesunden Teilnehmern enthält, von denen 308 positiv auf COVID-19 getestet wurden. Die Forscher verwendeten eine Technik zur Stimmanalyse, die so genannte Mel-Spektrogrammanalyse, die verschiedene Merkmale der Stimme, wie Lautstärke, Leistung und zeitliche Veränderung, identifiziert.
Sie fanden heraus, dass ein Modell namens Short-Term Memory die anderen Modelle übertraf. Die Gesamtgenauigkeit lag bei 89 %, die Fähigkeit zur korrekten Erkennung positiver Fälle (die echte Positivrate oder „Sensitivität“) bei 89 % und die Fähigkeit zur korrekten Erkennung negativer Fälle (die echte Negativrate oder „Spezifität“) bei 83 %. Diese Ergebnisse zeigen eine signifikante Verbesserung der diagnostischen Genauigkeit von COVID-19 im Vergleich zu neueren Tests, wie dem Lateral-Flow-Test“, sagt Aljbawi.
Der Lateral-Flow-Test hat eine Empfindlichkeit von nur 56 Prozent, aber eine höhere Spezifität von 99,5 Prozent. Die hohe Spezifität des Lateral-Flow-Tests bedeutet, dass nur eine von 100 Personen als COVID-19-positiv fehldiagnostiziert würde, obwohl sie in Wirklichkeit nicht infiziert sind, während der LSTM-Test 17 von 100 nicht infizierten Personen fälschlicherweise als positiv diagnostizieren würde“, fährt er fort. Da dieser Test jedoch praktisch kostenlos ist, ist es möglich, Personen zu einem PCR-Test aufzufordern, wenn der LSTM-Test einen positiven Befund ergibt.
Die Forscher sagen, dass ihre Ergebnisse mit einer großen Anzahl von Menschen validiert werden müssen. Seit Beginn des Projekts haben sie bereits 53.449 Hörproben von 36.116 Teilnehmern gesammelt, die zur Verbesserung und Validierung der Genauigkeit des Modells verwendet werden können. Sie führen auch weitere Analysen durch, um zu verstehen, welche Sprachparameter das KI-Modell beeinflussen. In einer zweiten Studie zeigte Henry Glyde, Doktorand an der School of Engineering der University of Bristol, UK, dass KI durch eine Anwendung namens myCOPD genutzt werden kann, um vorherzusagen, wann Patienten mit chronisch obstruktiver Lungenerkrankung (COPD) einen Krankheitsschub erleiden, der auch als akute Exazerbation bezeichnet wird. COPD-Exazerbationen können sehr schwerwiegend sein und sind mit einem erhöhten Risiko eines Krankenhausaufenthalts verbunden.
Quelle: Agenturen
