AI skynjar hvort YouTubers eru sýktir af Omicron coronavirus afbrigði

Gervigreind tók upp hljóðsýni þar sem ræðumaðurinn sagði að þeir væru smitaðir af kransæðaveirunni á meðan omicron væri ráðandi með 80 prósent nákvæmni, sem gæti hugsanlega boðið upp á ódýra…

Researchers have suggested that monitoring audio clips on social media could be a relatively quick, inexpensive way of tracking coronavirus cases in the community

Vísindamenn hafa bent á að eftirlit með hljóðbútum á síðum eins og YouTube gæti verið tiltölulega fljótleg og ódýr leið til að fylgjast með kransæðaveirutilfellum í samfélaginu

Shutterstock

An gervigreind (AI) getur greint hvort YouTubers eru sýktir af omicron kransæðavírusafbrigði með allt að 80 prósent nákvæmni. Raddbreytingar eru ekki álitnar lykileinkenni hvers kyns kransæðaveirusýkingu, en vísindamennirnir halda því fram að niðurstöður þeirra bendi til lúmskur „omicron-sértæk barkabólgu“.

Vöktun hljóðsýna sem hlaðið er upp á samfélagsmiðlar gætu verið tiltölulega fljótleg og ódýr leið til að fylgjast með kransæðaveirutilfellum í samfélaginu, að sögn teymis. Hins vegar heldur annar vísindamaður því fram að nákvæmni upp á að minnsta kosti 95 prósent þyrfti til að aðferðir eins og þessar gætu verið gagnlegar í raunheimum.

Bradford Wood frá National Institute of Health, Maryland, og samstarfsmenn hans greindu 93 klukkustundir af YouTube hljóðsýnum.

Í þessum sýnum sögðust 183 fyrirlesarar hafa verið smitaðir af kransæðaveirunni þegar umicron afbrigði var ríkjandi, á meðan 120 ræðumenn sögðust vera sýktir af kransæðaveirunni þegar afbrigði sem ekki var ómíkróna var í umferð, 138 sögðust vera með efri öndunarfærasýkingu sem var ekki kransæðavírusinn og 192 nefndu ekki að vera með neina öndunarfærasýkingu.

Þessi sýni voru unnin þannig að þögn var fjarlægð ásamt öllum hávaða öðrum en ræðumanninum að tala. Þeim var síðan skipt í hluta sem hver um sig stóð í 2,5 sekúndur, sem sumir voru valdir af handahófi til að gefa inn gervigreind til þjálfunar. Það var síðan prófað með ónotuðum sýnum úr sama hljóðupptökusafni.

Niðurstöður sýna að gervigreindin aðgreindi omicron hljóðsýni úr hátölurunum án þekktrar öndunarfærasýkingar með næmi – hæfileika til að bera kennsl á fólk með omicron – upp á 80 prósent. Sérhæfni þess – hæfni til að bera kennsl á fólk án sýkingar í efri öndunarvegi – var 85 prósent.

Að greina þá sem eru með omicron samanborið við öndunarfærasýkingu sem ekki er af kórónuveiru leiddi til næmis – getu til að bera kennsl á fólk með omicron – upp á 70 prósent og sérhæfni – getu til að bera kennsl á fólk með aðra öndunarfærasýkingu – upp á 76 prósent.

Gervigreindin greindi einnig kórónavírussýkingar sem ekki voru eftir ómíkrónu frá þeim sem ekki höfðu neina öndunarfærasýkingu með 58 prósent og 80 prósent næmi og sérhæfni, í sömu röð. Rannsakendur hafa haldið því fram að þetta bendi til „takmarkaðra hljóðmerkja“ hjá fólki sem var sýkt af kórónavírus pre-omicron, sem er nú ríkjandi afbrigði um allan heim.

Kórónasýkingar sem ekki voru ómíkrónuveiru voru aðskildar frá öndunarfærasýkingum sem ekki voru af kórónuveiru með 70 prósent næmi og 74 prósent sérhæfni.

Rannsakendur hafa viðurkennt að fyrirlesararnir í YouTube myndskeiðunum lýstu sjálfir yfir sýkingarstöðu sinni, frekar en að hún væri ákvörðuð með veiru raðgreiningu, en þeir héldu því fram að þetta myndi gera niðurstöðurnar hraðari og hagkvæmari ef þessi rakningaraðferð yrði tekin í notkun. .

Hins vegar gæti nákvæmni gervigreindarinnar ekki verið nógu mikil til að hægt sé að treysta á hana sem leið til að fylgjast með kransæðaveirutilfellum í samfélaginu.

„Hefði það sýnt sérhæfni og næmni yfir 95% hefði það þjónað sem kærkomin lausn,“ segir Dean Winslow við Stanford University, Kaliforníu.

Teymi Wood skrifaði í blaðinu sínu að þessi rannsókn væri „snemma átak“ sem réttlæti frekari rannsóknir.

Tilvísun: medRxiv

Related Posts