Google predstavil Health Acoustic Representations (HeAR) začiatkom roka. Ide o model bioakustických základov, ktorý má pomôcť výskumníkom vytvárať modely, ktoré dokážu počúvať ľudské zvuky a označovať skoré príznaky choroby.
Výskumníci trénovali model na 300 miliónoch zvukových údajov získaných z rôznych súborov dát, najmä na modeli kašľa pomocou asi 100 miliónov zvukov kašľa.
HeAR dokáže identifikovať v bioakustických zvukoch nepatrné prejavy rôznych ochorení a chorôb a v blízkej budúcnosti môže úplne zmeniť spôsob diagnostiky napríklad tuberkulózy, či chronickej obštrukčnej choroby pľúc.
Nová technológia sa vďaka AI učí rozoznávať vzory v zvukoch súvisiacich so zdravím, HeAR je v priemere vyspelejšia, ako iné modely. Google na svojom blogu píše, že sa dokázala „jeho vynikajúca schopnosť zachytiť zmysluplné vzory v akustických údajoch súvisiacich so zdravím. Modely trénované pomocou HeAR tiež dosiahli vysoký výkon s menším počtom trénovacích údajov, čo je kľúčový faktor vo svete výskumu v oblasti zdravotnej starostlivosti, ktorý je často obmedzený na údaje.“
Health Acoustic Representations sa teraz dostáva k výskumníkom, aby im pomohol urýchliť vývoj vlastných bioakustických modelov s menším množstvom údajov a výpočtov. Pomôže sa tak nastaviť modely pre rôzne, i špecifické, podmienky a populáciu.
Nové riešenia postavené na AI podporuje aj Organizácia spojených nádorov. Spája odborníkov na TBC a postihnuté komunity s cieľom ukončiť TBC do roku 2030.
Dobrým príkladom využitia HeAR je indická spoločnosť Salcit Technologies, zaoberajúca sa respiračnou zdravotnou starostlivosťou. Vytvorila model Swaasa, ktorý používa AI na analýzu zvukov kašľa a hodnotenie zdravia pľúc. Teraz spoločnosť skúma, ako je môže HeAR pomôcť rozšíriť možnosti ich bioakustických modelov AI. Aktuálna nasadila HeAR na pomoc pri výskume a zlepšovaní včasnej detekcie TBC na základe zvukov kašľa.
„Riešenia ako HeAR umožnia akustickej analýze poháňanej umelou inteligenciou prelomiť novú pôdu v oblasti skríningu a detekcie tuberkulózy a ponúkajú potenciálne málo účinný a dostupný nástroj pre tých, ktorí to najviac potrebujú,“ hovorí Zhi Zhen Qin, expert na digitálne zdravie z organizácie Stop TB Partnership.