Secondo uno studio pubblicato dall’Institute of Electrical and Electronics Engineers Journal of Engineering in Medicine and Biology del Massachusetts Institute of Technology, un modello di intelligenza artificiale integrato nei cellulari potrebbe analizzare i colpi di tosse e fornire un comodo strumento di screening per valutare le infezioni asintomatiche con una precisione del 98,5%.
La ricerca conferma che i colpi di tosse dei pazienti Covid-19, anche se asintomatici, differiscono da quelli dei non infetti, per cui un dispositivo di intelligenza artificiale potrebbe rilevare tali variazioni.
“Gli asintomatici, non avendo problemi, sono meno inclini ad effettuare test – afferma Brian Subirana del Mit – ma è importante riconoscere tutti i positivi in modo da tenere traccia del quadro dei contagi”.
Il team ha addestrato il modello su decine di migliaia di campioni di tosse e parole pronunciate.
In fase di test, l’algoritmo è stato in grado di identificare il 98,5 percento dei colpi di tosse di persone risultate positive a Covid-19.
“Stiamo lavorando per incorporare il modello in un’app user friendly – commenta l’esperto – che, se adottata su larga scala dopo l’approvazione della Food and Drug Administration americana, potrebbe rappresentare uno strumento di screening gratuito, conveniente e non invasivo in grado di rilevare le infezioni di coronavirus asintomatiche”. I telefoni cellulari potrebbero pertanto restituire una valutazione immediata delle condizioni dell’utente, velocizzando i tempi dei test e consentendo una rapida immagine della situazione dei contagi.
Il gruppo di ricerca aveva addestrato algoritmi per valutare le registrazioni dei colpi di tosse e diagnosticare condizioni respiratorie come polmonite o asma. “Stiamo cercando di valutare la possibilità di addestrare il modello a riconoscere i segni dell’Alzheimer – aggiunge Jordi Laguarta, collega e coautore di Subirana – l’algoritmo generale si chiama ResNet50, ed è in grado di riconoscere i suoni associati a diversi gradi di forza delle corde vocali. Alcuni suoni sono molto indicativi, come la consonante ‘m’ ripetuta con un’unica emissione”.
I ricercatori hanno addestrato tre reti neurali su grandi set di dati, mostrando che le prestazioni polmonari e le condizioni delle corde vocali possono essere biomarcatori efficaci per diagnosticare una serie di condizioni. “Il parlato e i colpi di tosse – afferma Ferran Hueto, terza firma dell’articolo – sono influenzati dalle corde vocali e dagli organi circostanti, per cui l’intelligenza artificiale può riconoscere problematiche associate a queste parti del corpo”.
Ad aprile, il team ha creato un sito web per raccogliere quante più registrazioni possibili di colpi di tosse, ottenendo un set di dati di oltre 200mila campioni di audio di tosse forzata. I partecipanti potevano specificare genere, lingua madre, posizione geografica e le condizioni di salute: “2.500 colpi di tosse provenivano da pazienti COVID-19 sintomatici e non – continuano gli autori – e abbiamo usato parte dei dati per addestrare l’algoritmo e i restanti per effettuare la fase di test. Il modello ha identificato il 98,5 percento delle persone a cui era stato diagnosticato il coronavirus, e la totalità delle tossi asintomatiche”.
Gli scienziati sottolineano che uno strumento in grado di identificare accuratamente gli infetti asintomatici potrebbe rivoluzionare lo screening relativo alla pandemia. “La possibilità di effettuare di pre-screening su larga scala potrebbe rendere le pandemie molto meno pericolose in futuro – conclude Subirana – modelli di intelligenza artificiale come il nostro potrebbero essere incorporati in altoparlanti e dispositivi di ascolto in modo che le persone possano comodamente ottenere una valutazione iniziale del rischio di malattia, anche su base giornaliera. Stiamo ora concentrando gli sforzi collaborando con diversi ospedali in tutto il mondo per raccogliere una serie piu’ ampia e diversificata di registrazioni della tosse, che aiuteranno ad addestrare e rafforzare la precisione del modello”.
Argomenti: covid-19
