Rilevare il COVID-19 attraverso il suono della voce

Un'app potrebbe aiutare a rilevare il COVID-19 analizzando il discorso di una persona. L'app utilizza l'elaborazione del segnale e gli algoritmi di Intelligenza Artificiale opportunamente addestrati nella fase di training, testati, convalidati e ottimizzati, al fine di analizzare i cambiamenti nel corpo che possono influenzare il parlato.

L'esigenza di contenere il COVID-19 ha portato ad una continua ricerca di possibili metodi diagnostici e strumenti per rilevare tempestivamente il virus bloccandone, così, la potenziale diffusione. In assenza di un vaccino o di una cura terapeutica, infatti, la diagnosi precoce dei sintomi è di vitale importanza per ridurre la trasmissione del virus. Sulla base della letteratura scientifica esistente e della ricerca in corso dell'IEEE, ci sono grandi probabilità che i sintomi di COVID-19 possano essere rilevati dal linguaggio umano, applicando tecniche di elaborazione del segnale e algoritmi di Intelligenza Artificiale (AI). Utilizzando l'elaborazione del segnale e l'Intelligenza Artificiale, è possibile rilevare e utilizzare a fini diagnostici variazioni più sottili delle caratteristiche del parlato. L'IEEE sta sviluppando un'app in grado di analizzare la voce di una persona per rilevare i sintomi del COVID-19 in modo che il paziente possa essere messo in quarantena, testato e aiutato con supporto medico in tempi rapidi. Questa procedura ha lo scopo di integrare le procedure diagnostiche cliniche esistenti, ma non di sostituirle, e va intesa solo per lo screening iniziale e la segnalazione di sospetti individui positivi COVID-19.

Non è la prima volta che i segnali vocali vengono impiegati nella ricerca medica a scopi diagnostici, altri casi d'uso sono:

  • biomarcatori vocali per la diagnosi di malattie cardiache;
  • diagnosi di disturbi psichiatrici utilizzando campioni di linguaggio;
  • test vocali per diagnosticare malattie legate all'invecchiamento come la demenza e il Parkinson.

I sintomi di COVID-19 causeranno sottili variazioni delle caratteristiche del linguaggio che possono essere rilevate dagli algoritmi di Intelligenza Artificiale, dal momento che le persone infette subiscono modifiche ai parametri corporei quali temperatura, frequenza cardiaca, pressione sanguigna e frequenza respiratoria. Tutti questi parametri vitali influenzano la fisiologia del linguaggio e si riflettono nei segnali vocali. Per poter addestrare, convalidare e ottimizzare i modelli di Intelligenza Artificiale, verrà impiegato un dataset composto da registrazioni vocali e misurazioni dei parametri corporei raccolti da una popolazione di centinaia di persone. Le registrazioni, insieme ai parametri corporei misurati contemporaneamente utilizzando dispositivi biomedici convenzionali, verranno poi utilizzate per addestrare gli algoritmi di Intelligenza Artificiale.

Mohammed Usman, Mohd Wajid e Mohammed Zubair sono membri senior dell'IEEE. Usman e Zubair sono, rispettivamente, assistenti e professori associati di ingegneria elettrica presso la King Khalid University di Abha, in Arabia Saudita. Wajid è un assistente professore di ingegneria elettronica presso la Aligarh Muslim University in India. Anis Ahmed è un medico e internista presso il Blackpool Teaching Hospitals NHS Trust, a Blackpool, Lancashire, Regno Unito.

Figura 1. Mohammed Usman, membro senior dell'IEEE

Mediante l'impiego di tecniche di elaborazione del segnale come il filtraggio e il rilevamento dell'attività vocale, il segnale vocale registrato, in formato digitale, verrà pre-elaborato per rimuovere eventuali componenti indesiderati e rumore di fondo. Il segnale vocale pre-elaborato verrà ulteriormente perfezionato utilizzando algoritmi di estrazione delle features per estrarre tratti che caratterizzano il segnale vocale. Queste funzionalità vengono applicate come input agli algoritmi AI, che riconoscono un pattern o qualche parametro intrinseco associato a quel pattern. Durante la fase di addestramento (training) dei modelli di Intelligenza Artificiale, il parlato e il parametro corporeo misurato verranno utilizzati come input per gli algoritmi di IA. Ogni parametro del corpo è associato a una caratteristica o un modello diverso all'interno del discorso elaborato dal segnale.

La disponibilità di un gran numero di campioni rende possibile il calcolo della media delle singole variazioni all'interno di ciascuna categoria di pazienti (sani, sintomatici e COVID-19) per ottenere un modello AI più accurato. La validazione verrà effettuata confrontando la diagnosi del modello AI con la diagnosi clinica corrispondente ai dati raccolti. Infine, i modelli AI convalidati e testati verranno implementati per test sul campo in collaborazione con le agenzie sanitarie.

La principale sfida per una diffusione capillare su larga scala dell'app, è nella raccolta dei dati, e in un alto livello di precisione per ridurre i falsi positivi ed i falsi negativi. Tuttavia, gli algoritmi AI, seppure addestrati e messi a punto per offrire un'elevata precisione, non sono precisi al 100%. Solo una tempestiva diagnosi medica, unitamente al monitoraggio e all'assistenza dei pazienti infetti, possono offrire un valido contributo nel contenimento della diffusione del virus e nell'ottimizzazione della gestione dei casi accertati.

Visita il sito IEEE SPECTRUM per conoscere le risorse dell'IEEE per il COVID-19.

 

Scarica subito una copia gratis

Scrivi un commento

Seguici anche sul tuo Social Network preferito!

Send this to a friend