由于無癥狀感染者的存在，導(dǎo)致 COVID-19 的檢測和管控工作變得相當(dāng)困難。 不過麻省理工學(xué)院的一支研究團(tuán)隊(duì)，正試圖通過分析咳嗽中隱含的獨(dú)特模式，來可靠預(yù)測某人是否處于 COVID-19 感染的早期階段。 若進(jìn)展順利，其很有望推出一款基于機(jī)器學(xué)習(xí)的 AI 預(yù)警系統(tǒng)。

[[349944]]

眾所周知，經(jīng)驗(yàn)豐富的醫(yī)生可通過咳嗽聲來判斷患者的呼吸道癥狀。而此類 AI 模型的建立，已經(jīng)在哮喘和神經(jīng)肌肉等疾病的分析上派上了一定的用場。

 在 COVID-19 疫病大流行之前，研究人員 Brian Subirana 甚至宣稱可借助咳嗽來輔助預(yù)測阿爾茲海默病。近日，他又將疾病可能改變患者咳嗽模式的研究方向，放在了 COVID-19 的早期分析檢測上。

雖然 Subirana 不是第一個這么想的，但這支 MIT 研究團(tuán)隊(duì)已經(jīng)創(chuàng)建了一個迄今為止最大的咳嗽研究數(shù)據(jù)集合。通過數(shù)千份樣本來訓(xùn)練 AI 模型，其于近日在 IEEE 開放式期刊 上介紹了最新的研究進(jìn)展。

據(jù)悉，該 AI 模型似乎已經(jīng)具備了基于聲音強(qiáng)度、情緒、肺和呼吸功能、以及肌肉退化的細(xì)微模式變化，來分析和識別出 COVID-19 無癥狀感染者的能力。

針對無癥狀和有癥狀感染者的咳嗽進(jìn)行檢查，該 AI 模型的特異性已分別達(dá)到 83% 和 94%，且沒有大量的假陽性或假陰性報(bào)告。

即便如此，Subirana 還是謹(jǐn)慎樂觀地表示：“盡管該系統(tǒng)擅長于不健康咳嗽的監(jiān)測，但大家還是不要輕易將之視作確診的權(quán)威工具”。

后續(xù)研究團(tuán)隊(duì)還將與多家醫(yī)院展開合作，以建立更加多樣化的數(shù)據(jù)集。如果能夠獲得 FDA 的批準(zhǔn)，研究團(tuán)隊(duì)還有望與私營企業(yè)合作開發(fā)一款工具 App，以推廣這項(xiàng)技術(shù)的使用。