摘要：这些都是人耳无法察觉的细微差别 ， 但人工智却可以担此重任 。

文章图片

文章图片

西媒称 ， 麻省理工学院的研究团队创建了一个人工智能模型 ， 该模型可以通过咳嗽声识别无症状感染者 。
据西班牙《先锋报》网站11月2日报道 ， 新冠病毒无症状感染者没有明显的身体症状 ， 所以一般不会主动接受病毒检测 。而这就是导致他们在不知不觉中成为病毒传播媒介的因素 。
然而 ， 麻省理工学院的研究人员发现 ， 可通过检测咳嗽声将无症状感染者与健康人群区分开来 。这些都是人耳无法察觉的细微差别 ， 但人工智却可以担此重任 。
报道称 ， 研究人员利用志愿者自愿提交的数万份咳嗽和语音样本来训练该人工智能模型 。目前该人工智能模型已经能够准确识别98.5%的新冠肺炎患者的咳嗽声 ， 其中包括100%的无症状感染者的咳嗽声 。
研究团队正致力于将该人工智能模型纳入一个易于操作的应用程序 。如果得到批准并被大规模采用 ， 该人工智能模型或将作为一种免费、实用、非侵入性的筛查工具来识别无症状感染者 。如果这种方法可行 ， 该应用程序的用户就可以在每天登录后 ， 对着手机咳嗽 ， 并获得自己是否被感染的信息 。但无论如何 ， 所有人最后都应该通过官方的病毒测试方法来确认自己是否感染病毒 。
【|麻省理工学院：人工智能可通过咳嗽声识别新冠无症状感染者】研究人员指出 ， 如果每个人都在去学校、工厂或餐馆之前使用这种群体诊断工具 ， 那么有效地实施这项措施就可以显著减少病毒传播 。
实际上 ， 在新冠病毒疫情开始前 ， 研究团队就已经开始利用智能手机录制的咳嗽声训练人工智能模型 ， 以期准确诊断肺炎和哮喘等疾病 。同样地 ， 麻省理工学院的研究团队也开发出一种通过分析咳嗽声检测阿尔茨海默氏症前兆的人工智能模型 。这种疾病不仅与记忆力受损有关 ， 还与神经肌肉萎缩有关 ， 而神经肌肉萎缩很可能影响声带 。
报道称 ， 从今年4月开始 ， 研究团队开始收集尽可能多的咳嗽声录音 ， 其中也包括新冠病毒患者的咳嗽声录音 。
迄今为止 ， 研究人员已经收集了7万多份咳嗽声录音 ， 每份录音都包含数次咳嗽 ， 这相当于约20万次咳嗽的音频样本 。约有2500份录音是由新冠肺炎确诊病例提交的 ， 其中包括无症状感染者 。

来源：(解放网)

【】网址：/a/2020/1104/1604426129.html

标题：|麻省理工学院：人工智能可通过咳嗽声识别新冠无症状感染者