作者：吴梅梅来源：IT桔子
当代年轻人习惯把「emo」当口头禅挂在嘴边，而忽略了真正的「抑郁」代表什么。假如人的情绪也有「值」，那么如何让情绪测试能像测量体温、血压一样简单？
人工智能技术正在通过声音来探索其释放的情绪信息，比如杨紫主演的《女心理师》有一幕场景是AI系统分析/干预来电者的自杀倾向。从呼吸系统疾病到帕金森病、慢性老年病这类生理疾病，以及抑郁症、产后抑郁、认知障碍和脑震荡等精神疾病，这些正是AI的探索方向——「语音生物标志物」（VocalBiomarker）。
IT桔子注意到近日一则「AI通过声音来诊断新冠」相关的重磅新闻：美国辉瑞公司（Pfizer）已同意以每股0.澳元、总价1亿澳元的价格收购ResApp股票，但交易仍需法院和股东的批准。ResAPP目前开发了一款通过分析咳嗽声来诊断是否感染新冠病毒的应用程序。
追本溯源，说到通过听患者的声音来辅助医生判断病情这件事一点也不奇怪，中医自古强调的「望闻问切」中的「闻」就是指听声音、气息；现代医学领域中的听诊器更是发布于年。可见，除了影像数据，声音数据也是医学范畴内的必要的医疗数据。不过，不同于传统就医方式下的面诊、医生判断，人工智能加持下的医学使得远程医疗、机器诊断成为可能。在新冠疫情大爆发、全球医疗资源紧张的今天，这种方式或是得以解「燃眉之急」。
本文着眼于科普，并能简要回答以下四个问题：
AI语音识别筛查新冠病毒和抑郁症是如何实现的？
辉瑞制药拟收购的ResApp这家公司有何特殊之处？
全球范围内获得投资的同类公司还有哪些？
国内公司在这方面进行了什么样的尝试探索？
通过语音判断是否感染病毒是如何实现的
通过声音检测新冠病毒感染靠谱吗？要回到这个问题，需要回归科学层面。研究表明，人体发声时会产生相应的生物标记物，当身体出现健康问题时，疾病的特异性干扰会对人体某个系统或多个系统产生细微、肉眼难以察觉、但具有特性的变化，生物标记物含量由此产生变化。而这种变化，可以利用机器来进行检测和分析计算。
其实，相比AI语音识别是否感染近2年才出现的新冠病毒，AI更早之前还被运用于判断和识别PTSD（创伤后应激障碍）、抑郁症以及其他心理疾病。比如，抑郁症患者往往会表现出言语迟缓、音量不稳定、发声颤抖、语言韵律异常等症状。
年，纽约大学Langone医学中心的研究人员使用神经网络发现了30种语音特征，比如，机器学习算法显示，在多名患有创伤后应激障碍的个体中，发音中的元音间隔明显缩短等。这些特征可能区分出创伤后应激障碍的退伍军人和未受影响的退伍军人（或健康对照组），这个方法被用于一项为期5年的前瞻性大型队列研究。在开发的早期阶段，研究人员就发现该系统可以诊断PTSD的准确性为77%。
那么，继听声辅助心理诊断后，AI在通过声音来判断是否感染新冠病毒也有了用武之地。
卡内基梅隆大学（CMU）一支研究团队长期致力于语音取证技术的研究，他们研究发现人的声音受到器官机构状况和健康程度的影响，能揭示生理/心理甚至医学数据。受新冠肺炎病毒感染的患者，肺部会发生一些病变，其呼吸模式等参数会受到影响，导致发出的声音（呼吸间隔、咳嗽声等）出现一些异常特征，算法通过学习数据能够抓取识别出这些病症。
时频谱示意图
早在年4月，卡内基梅隆大学就发布过简易的测试程序COVIDVoiceDetector中，受试者需要填写个人健康相关信息，并录制咳嗽、英文元音的发音，数字和字母表朗读等语音信息。系统最后会返回一个分数，表明所录制的声音和收集到的COVID-19患者数据相比，其感染特征相符合的程度。
整个过程的实现是需要经过前期数据采集，中期的构建数据分析模型、机器学习，到后期的数据采样、数据匹配与结果反馈。
首先，研究者需要采集到新冠阳性确诊者和阴性人群的大量录音测试数据，然后将这些语音生物标志物生成频谱图；机器模型经过训练和学习来感知和分析其中的细微变化；在最后的应用期，人工智能将用户提交的录音与基于临床试验中COVID-19阳性参与者的录音的合成图像进行比较，以确定它们之间的相关性。最后，机器反馈输出一个结果。
所以，机器识别的准确率很大程度上取决于数据信息的丰富度，当训练的样本数据足够多，足够丰富，机器判断的准确率也能提高。
ResApp表示，在印度和美国对名患者进行的临床试验中，该算法正确地检测出了92%的新冠病毒感染者。ResAppDx目前在欧洲通过了CE市场认证，在澳大利亚获得了TGA许可批准。
值得注意的是，应用程序筛查并不能完全代替临床医生的诊断，但可用作COVID-19的早期预警，或者说是筛查，而不是诊断。ResAPP方面也表示，「其设计的流程是如果检测结果并没有感染那么就无需做快速抗原测试或者PCR检测，但如果程序诊断感染了新冠病毒，那么人们就应该继续正常的检测。」
ResApp是一家什么样的公司
通过Google搜索和
转载请注明：http://www.0431gb208.com/sjsbszl/1937.html
