Stimmen-Screening auf COVID-19 binnen 1 Minute
Laut Forscher Wafaa Aljbawi ist das KI-Modell in 89% der Fälle treffsicher. Bei Lateral-Flow-Tests hingegen gibt es je nach Marke große Unterschiede bei der Treffsicherheit. Diese Tests waren bei Personen ohne Symptome deutlich weniger genau. Aljbawi zufolge legen die Ergebnisse nahe, dass einfache Sprachaufnahmen und fein abgestimmte KI-Algorithmen eine große Genauigkeit bei der Feststellung, welche Patient:innen infiziert sind, erreichen können. „Diese Tests sind einfach auszuwerten. Was noch wichtiger ist, sie erlauben eine virtuelle Ferntestung und haben eine Wartezeit von weniger als 1 Minute. Sie könnten zum Beispiel am Eingang von großen Versammlungen eigesetzt werden.“
KI erkennt COVID an der Stimme
Eine COVID-19-Infektion wirkt sich normalerweise auf die oberen Atemwege und die Stimmbänder aus. Daher haben die Forscher:innen untersucht, ob KI für die Analyse von Stimmen eingesetzt werden kann, um COVID-19 nachzuweisen. Das Team hat Daten der „
COVID-19 Sounds APP“ genutzt, die 893 Tonproben von 4.352 gesunden und nicht gesunden Teilnehmer:innen enthält. 308 Personen wurden positiv auf COVID-19 getestet. Die App wird auf dem Handy installiert. Die Nutzer:innen geben einige Basisinformationen zu Demografie, der medizinischen Vorgeschichte und dem Raucherstatus ein und werden dann ersucht, Atemgeräusche aufzunehmen. Dazu gehört ein 3-maliges Husten, 3 bis 5 Mal tief durch den Mund atmen und einen kurzen Satz 3 Mal laut lesen.
Lesen Sie mehr zu diesem Thema:
App „FAST.AI“ erkennt Symptome für Schlaganfälle
Erschienen am 22.02.2023 • Hochpräzise arbeitende Anwendung nutzt Künstliche Intelligenz zur frühzeitigen Warnung. Mehr erfahren Sie hier!
Erschienen am 22.02.2023 • Hochpräzise arbeitende Anwendung nutzt Künstliche Intelligenz zur frühzeitigen Warnung. Mehr erfahren Sie...
© VFX - stock.adobe.com
KI erkennt COVID via Stimme zu 89%
Die Forscher:innen haben zudem mit Mel Spectrogram ein Verfahren zur Analyse der Stimme verwendet, das verschiedene Eigenschaften der Stimme wie Lautstärke, Kraft und Schwankungen identifiziert. Bei den KI-Modellen schnitt die „Long-Short Term Memory“ (LSTM) am besten ab. Insgesamt lag die Trefferquote bei 89%. Die Fähigkeit, positive Fälle richtig zu erkennen, lag ebenfalls bei 89%. Die Fähigkeit, negative Fälle korrekt zu erkennen, lag bei 83%.
Wie funktioniert Long-Short Term Memory (LSTM)?
LSTM basiert auf neuronalen Netzwerken, die die Art und Weise, wie das menschliche Gehirn arbeitet, nachahmt und die zugrundeliegenden Beziehungen bei Daten erkennt.
