Aplicativo móvel usa IA para detectar com precisão a infecção por COVID-19 na voz humana

Aplicativo móvel usa IA para detectar com precisão a infecção por COVID-19 nas vozes das pessoas

A identificação precoce de exacerbações da DPOC pode ser gerenciada através do aplicativo móvel myCOPD.Crédito: My Mobile Health Ltd

A inteligência artificial (IA) pode ser usada para detectar infecções por COVID-19 na voz das pessoas por meio de um aplicativo de celular, de acordo com pesquisa a ser apresentada no Congresso Internacional da Sociedade Respiratória Europeia em Barcelona, ​​​​Espanha na segunda-feira.

O modelo de IA usado neste estudo é mais preciso do que os testes de fluxo lateral/antígeno rápido e é barato, rápido e fácil de usar, o que significa que pode ser usado em países de baixa renda onde os testes de PCR são caros e/ou difíceis de distribuir .

Wafaa Aljbawi, pesquisadora do Instituto de Ciência de Dados da Universidade de Maastricht, na Holanda, disse na conferência que o modelo de IA era preciso 89% das vezes, enquanto a precisão do teste de fluxo lateral variava de acordo com a marca. Além disso, os testes de fluxo lateral são muito menos precisos na detecção da infecção por COVID em pessoas assintomáticas.

“Esses resultados promissores mostram que gravações de voz simples e algoritmos de IA ajustados podem alcançar alta precisão na determinação de quais pacientes têm COVID-19”, disse ela. “Tais testes estão disponíveis gratuitamente e são fáceis de interpretar. Além disso, eles suportam testes virtuais remotos e têm um tempo de resposta de menos de um minuto. Por exemplo, eles podem ser usados ​​em entradas de grandes aglomerações, permitindo uma triagem rápida de multidões .”

A infecção por COVID-19 geralmente afeta o trato respiratório superior e as cordas vocais, causando alterações na voz de uma pessoa. Aljbawi e seu supervisor, Sami Simons, pneumologista do Centro Médico da Universidade de Maastricht, e Visara Urovi, também do Institute for Data Science, decidiram investigar se a IA poderia ser usada para analisar o som para detectar o COVID-19.

Eles usaram dados de crowdsourcing da Universidade de Cambridge Aplicativo de sons COVID-19 Ele continha 893 amostras de áudio de 4.352 participantes saudáveis ​​e não saudáveis, 308 dos quais deram positivo para COVID-19. O aplicativo foi instalado nos telefones dos usuários, e os participantes relataram algumas informações básicas sobre dados demográficos, histórico médico e tabagismo, e foram solicitados a gravar alguns sons respiratórios. Estes incluíram tossir 3 vezes, respirar profundamente pela boca 3 a 5 vezes e ler frases curtas na tela 3 vezes.

Os pesquisadores usaram uma técnica de análise de fala chamada análise de espectrograma mel, que pode identificar diferentes características da fala, como volume, potência e mudanças ao longo do tempo.

“Dessa forma, podemos decompor muitas propriedades das vozes dos participantes”, disse Aljbawi. “Para distinguir as vozes dos pacientes com COVID-19 daqueles que não são, construímos diferentes modelos de IA e avaliamos qual modelo era melhor para classificar os casos de COVID-19”.

Eles descobriram que um modelo chamado memória de longo prazo (LSTM) superou outros. Os LSTMs são baseados em redes neurais, que imitam a maneira como o cérebro humano funciona e identificam possíveis relações nos dados. Ele trabalha com sequências, o que o torna adequado para modelar sinais coletados ao longo do tempo, como da fala, devido à sua capacidade de armazenar dados na memória.

Sua precisão geral foi de 89%, com capacidade de detectar corretamente casos positivos (taxa de verdadeiro positivo ou “sensibilidade”) de 89% e de identificar corretamente casos negativos (taxa de verdadeiro negativo ou “especificidade”) de 83%.

“Esses resultados demonstram uma melhora significativa na precisão do diagnóstico de COVID-19 em comparação com testes de última geração, como testes de fluxo lateral”, disse Aljbawi. “O teste de fluxo lateral tem uma sensibilidade de apenas 56%, mas uma especificidade maior de 99,5%. Isso é importante porque mostra que o teste de fluxo lateral classifica as pessoas infectadas como negativas para COVID-19 com mais frequência do que o nosso teste. outras palavras, usando o modelo AI LSTM, podemos perder 11 de 100 casos que continuam a espalhar a infecção, enquanto o teste de fluxo lateral perderia 44 de 100 casos.

“A alta especificidade do teste de fluxo lateral significa que apenas 1 em cada 10 pessoas será falsamente informada de que é positiva para COVID-19 quando na verdade não está infectada, enquanto o teste LSTM diagnosticará incorretamente cada 100 pessoas que não estão infectadas. desses, 17 foram positivos, mas como o teste é praticamente gratuito, as pessoas podem ser convidadas para um teste de PCR se o teste LSTM mostrar positivo.

Os pesquisadores dizem que seus resultados precisam de muita validação. Desde o início do projeto, foram coletadas 53.449 amostras de áudio de 36.116 participantes, que podem ser usadas para melhorar e validar a precisão do modelo. Eles também estão realizando análises adicionais para entender quais parâmetros na fala estão influenciando o modelo de IA.

No segundo estudo, o Dr. Henry Glade, o Sr. Um estudante da Escola de Engenharia da Universidade de Bristol mostrou que a inteligência artificial pode ser aproveitada por meio de um aplicativo chamado myCOPD para prever quando pacientes com doença pulmonar obstrutiva crônica (DPOC) provavelmente sofrerão um ataque, às vezes chamado de exacerbação. As exacerbações da DPOC podem ser graves e estão associadas a um risco aumentado de hospitalização. Os sintomas incluem falta de ar, tosse e produção de mais catarro (muco).

“As exacerbações da DPOC têm resultados ruins. Sabemos que a identificação precoce e o tratamento das exacerbações podem melhorar esses resultados, por isso queríamos determinar o poder preditivo de uma aplicação de DPOC amplamente utilizada”, disse ele.

O aplicativo myCOPD é um aplicativo interativo baseado em nuvem desenvolvido por pacientes e médicos para uso no NHS do Reino Unido. Foi estabelecido em 2016 e, até agora, mais de 15.000 pacientes com DPOC o usaram para ajudá-los a gerenciar sua doença.

Os pesquisadores coletaram 45.636 registros de 183 pacientes entre agosto de 2017 e dezembro de 2021. Destes, 45.007 eram registros com doença estável e 629 registros com piora da doença. As previsões de exacerbação foram geradas um a oito dias antes do evento de exacerbação autorrelatado. Glyde e colegas usaram os dados para treinar um modelo de IA em 70% dos dados e testá-lo em 30%.

Esses pacientes estão “altamente engajados”, usando o aplicativo semanalmente por meses ou até anos para registrar seus sintomas e outras informações de saúde, registrar medicamentos, definir lembretes e obter as informações mais recentes sobre saúde e estilo de vida. Os médicos podem avaliar os dados por meio do Painel do Clínico, permitindo que eles forneçam supervisão, cogerenciamento e monitoramento remoto.

“O modelo de IA mais recente que desenvolvemos tem uma sensibilidade de 32% e uma especificidade de 95%. Isso significa que o modelo é muito bom em dizer aos pacientes quando eles não vão piorar, o que pode ajudá-los a evitar tratamentos desnecessários. Muito bom em dizer a eles quando eles vão experimentar. Melhorar isso será o foco de nossa próxima fase de pesquisa”, disse Glade.

Falando antes do congresso, o Dr. James Dodd, Professor Associado de Medicina Respiratória e líder do projeto da Universidade de Bristol, disse: “Até onde sabemos, este estudo é o primeiro a modelar dados reais de pacientes com DPOC, dos quais os dados vêm de uma aplicação terapêutica amplamente implantada. Portanto, o modelo de previsão de exacerbação gerado a partir deste estudo tem o potencial de ser implantado em milhares de pacientes com DPOC após mais testes de segurança e eficácia. Isso permitirá que os pacientes tenham mais autoconfiança e controle sobre sua saúde . Isso também é um benefício significativo para seus médicos, pois esse sistema pode reduzir a dependência dos pacientes dos cuidados primários. Além disso, um melhor gerenciamento das exacerbações pode evitar hospitalizações e reduzir a carga sobre o sistema de saúde. São necessárias mais pesquisas sobre o envolvimento do paciente para determinar que nível de precisão é aceitável e como os sistemas de alerta em deterioração funcionarão na prática. A introdução de tecnologias de detecção pode aprimorar ainda mais o monitoramento e melhorar o desempenho do modelo.

Uma das limitações do estudo é o baixo número de usuários frequentes do aplicativo. O modelo atual exige que os pacientes insiram as pontuações dos testes de avaliação da DPOC, preencham seu diário de medicação e relatem com precisão sua deterioração alguns dias depois. Normalmente, apenas pacientes altamente engajados usando o aplicativo diariamente ou semanalmente podem fornecer a quantidade de dados necessária para a modelagem de IA. Além disso, como os usuários permaneceram estáveis ​​por muito mais dias do que quando tiveram exacerbações, houve um desequilíbrio significativo entre os dados disponíveis de exacerbação e não deterioração. Isso torna mais difícil para o modelo prever corretamente os eventos após o treinamento nesses dados desequilibrados.

“Colaborações recentes entre pacientes, médicos e cuidadores para estabelecer prioridades de pesquisa da DPOC descobriram que a questão mais bem avaliada é como identificar melhores maneiras de prevenir exacerbações. Estamos focados nessa questão e trabalharemos em estreita colaboração com os pacientes para projetar e implementar o sistema, “, concluiu Glade.

O presidente do Comitê Científico da ERS, professor Chris Brightling, pesquisador sênior do Instituto Nacional de Saúde e Cuidados (NIHR) da Universidade de Leicester, Reino Unido, não esteve envolvido no estudo. Ele comentou: “Esses dois estudos mostram que a inteligência artificial e os aplicativos em telefones celulares e outros dispositivos digitais têm o potencial de mudar a forma como as doenças são gerenciadas. Há mais dados disponíveis para treinar esses modelos de inteligência artificial, incluindo grupos de controle apropriados e ” Como validação de vários estudos, melhorará sua precisão e confiabilidade. A saúde digital usando modelos de inteligência artificial apresenta uma oportunidade empolgante e pode impactar o futuro da saúde. ”


Os médicos da atenção primária precisam otimizar o tratamento e fornecer melhor suporte aos pacientes com DPOC


Mais Informações:
[1] Resumo ID: OA1626, “Desenvolvimento de um modelo preditivo multivariado para detecção de COVID-19 a partir de dados de fala de respiração de crowdsourced”, apresentado por Wafaa Aljbawi na conferência “Medicina Digital para COVID-19”, segunda-feira, 5 de 08.15-09.30 CET setembro de 2022, https://k4.ersnet.org/prod/v2/Front/Program/Session?e=377&session=14843

[2] Resumo #PA2728, “Modelagem para previsão de exacerbação usando dados reais do aplicativo myCOPD,” Pôster temático “Intervenções de saúde digital na prática respiratória” Pôster temático Henry Glyde em 5 de setembro de 2022 Apresentado segunda-feira CEST 13:00-14:00, https://k4.ersnet.org/prod/v2/Front/Program/Session?e=377&session=14775

Cortesia da European Lung Foundation

Citação: O aplicativo para celular detecta com precisão a infecção por COVID-19 nas vozes das pessoas com a ajuda da IA ​​(5 de setembro de 2022) Recuperado em 5 de setembro de 2022 em https://medicalxpress.com/news/2022-09- mobile-app-accurately- covid-infection.html

Este documento é protegido por direitos autorais. Exceto para qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é apenas para referência.

Leave a Reply

Your email address will not be published.