(资料图)

一组工程和健康研究人员开发了一种工具，可以提高电子设备检测人类患者何时咳嗽的能力，可用于健康监测。新工具依赖于先进的人工智能 (AI) 算法，该算法可帮助 AI 在面对现实情况中的意外数据时更好地识别不确定性。论文“使用分布外检测进行稳健的咳嗽检测”发表在IEEE 生物医学和健康信息学杂志上。

“当人工智能被训练识别咳嗽的声音时，这通常是用‘干净’的数据来完成的——没有太多的背景噪音或令人困惑的声音，”这篇论文的通讯作者埃德加·洛巴顿说，北卡罗来纳州立大学电气与计算机工程副教授。“但现实世界充满了背景噪音和令人困惑的声音。因此，以前的咳嗽检测技术经常与‘误报’作斗争——即使没有人咳嗽，他们也会说有人在咳嗽。

“我们开发了一种算法，通过让人工智能表达不确定性来帮助我们解决这个问题。人工智能不必决定‘是的，那是咳嗽’或‘不，那不是咳嗽’，它还可以报告它检测到它不熟悉的声音。换句话说，AI 有第三种选择：‘我不知道那是什么。’”

咳嗽检测技术对几种潜在的健康监测应用很有意义。

“例如，人们对使用可检测哮喘患者咳嗽的可穿戴健康监测设备感兴趣，这可能会触发有关哮喘发作风险增加的通知，”Lobaton 说。“还有人对使用咳嗽检测进行 COVID 监测等感兴趣。”

然而，以往的咳嗽检测技术误报率很高，相关人工智能将许多不熟悉的声音报告为咳嗽。这些误报极大地限制了它们的效用。

“在短期内，我们的工作通过允许 AI 在听到它无法识别的声音时进行记录来限制误报的报告，”Lobaton 说。“从长远来看，我们的算法应该允许我们通过告诉它听到的不熟悉的声音是咳嗽还是不相关的噪音来持续训练人工智能。随着时间的推移，这应该允许更精确的检测。”

此外，研究人员在计算模型中测试了新算法，发现改进后的咳嗽检测 AI 可以有效地运行，每秒使用的声音样本比以前的技术少得多。例如，以前的咳嗽检测工具每秒使用大约 16,000 个声音样本，而新的 AI 工具每秒使用 750 个声音样本，具有相似的灵敏度和更少的误报。

标签：