App erkennt Corona-Infektion über die Stimme

Maastricht (pte022/05.09.2022/10:35) – Ein Forscher-Team unter der Leitung der Maastricht University http://maastrichtuniversity.nl nutzt Künstliche Intelligenz (KI) zur COVID-19-Infektionsermittlung via Stimmen-Screening per Handy-App. Das eingesetzte KI-Modell sei genauer als der Lateral-Flow-Test und der Rapid-Antigen-Test. Die aktuelle Lösung sei zudem kostengünstig sowie rasch und leicht einsetzbar – also auch in Ländern mit geringen Einkommen einsetzbar, wo PCR Tests teuer und/oder schwierig zu verteilen sind.

Einfache Auswertbarkeit

Laut Forscher Wafaa Aljbawi ist das KI-Modell in 89 Prozent 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 Patienten 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 einer Minute. Sie könnten zum Beispiel am Eingang von großen Versammlungen eigesetzt werden.“

Eine COVID-19-Infektion wirkt sich normalerweise auf die oberen Atemwege und die Stimmbänder aus. Daher haben die Forscher untersucht, ob KI für die Analyse von Stimmen eingesetzt werden kann, um COVID-19 nachzuweisen. Das Team hat Daten der „COVID-19 Sounds APP“ http://covid-19-sounds.org genutzt, die 893 Tonproben von 4.352 gesunden und nicht gesunden Teilnehmern enthält. 308 Personen wurden positiv auf COVID-19 getestet. Die App wird auf dem Handy installiert. Die Nutzer geben einige Basisinformationen zu Demografie, der medizinischen Vorgeschichte und dem Raucherstatus ein und werden dann ersucht, Atemgeräusche aufzunehmen. Dazu gehört ein dreimaliges Husten, drei bis fünf Mal tief durch den Mund atmen und einen kurzen Satz drei Mal laut lesen.

KI bringt hohe Trefferquote

Die Forscher 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. LSTM basiert auf neuronalen Netzwerken, die die Art und Weise, wie das menschliche Gehirn arbeitet, nachahmt und die zugrundeliegenden Beziehungen bei Daten erkennt. Insgesamt lag die Trefferquote bei 89 Prozent. Die Fähigkeit, positive Fälle richtig zu erkennen, lag ebenfalls bei 89 Prozent. Die Fähigkeit, negative Fälle korrekt zu erkennen, lag bei 83 Prozent.

Die Forscher betonen, dass ihre Ergebnisse mit einer großen Anzahl von Tests validiert werden müssen. Seit dem Beginn des Projekts wurden 53.449 Tonproben von 36.116 Personen gesammelt. Diese Daten wurden genutzt, um das Modell weiter zu verbessern. Die aktuellen Forschungsergebnisse wurden auf dem „European Respiratory Society International Congress“ http://ersnet.org/congress-and-events/congress der Öffentlichkeit präsentiert.

Quelle: www.pressetext.com