Klinkt u ziek? Nieuwe AI-technologie kan vertellen of het COVID is.

Door Bill Stieg

19 september 2022 -- Stel je voor: Je denkt dat je misschien COVID hebt. Je spreekt een paar zinnen in op je telefoon. Dan geeft een app je betrouwbare resultaten in minder dan een minuut.

"Je klinkt ziek" is wat wij mensen tegen een vriend zeggen. Kunstmatige intelligentie, of AI, kan dat naar nieuwe grenzen brengen door je stem te analyseren om een COVID-infectie op te sporen.

Een goedkope en eenvoudige app zou kunnen worden gebruikt in landen met lage inkomens of om mensenmassa's bij concerten en andere grote bijeenkomsten te screenen, aldus de onderzoekers.

Het is slechts het laatste voorbeeld in een stijgende trend waarbij stemgeluid wordt onderzocht als diagnostisch hulpmiddel om ziekten op te sporen of te voorspellen.

De afgelopen tien jaar is aangetoond dat AI-spraakanalyse kan helpen bij het opsporen van de ziekte van Parkinson, posttraumatische stressstoornis, dementie en hartaandoeningen. Het onderzoek is zo veelbelovend dat de National Institutes of Health onlangs een nieuw initiatief hebben gelanceerd om AI te ontwikkelen waarmee spraak kan worden gebruikt om een breed scala aan aandoeningen te diagnosticeren. Deze variëren van ademhalingsaandoeningen zoals longontsteking en COPD tot strottenhoofdkanker en zelfs beroertes, ALS en psychiatrische aandoeningen zoals depressie en schizofrenie. Software kan nuances waarnemen die het menselijk oor niet kan waarnemen, zeggen onderzoekers.

Ten minste een half dozijn studies hebben deze benadering van COVID-detectie toegepast. In de meest recente vooruitgang melden onderzoekers van de Universiteit Maastricht in Nederland dat hun AI-model 89% van de tijd accuraat was, vergeleken met een gemiddelde van 56% voor verschillende laterale stroomtests. De stemtest was ook nauwkeuriger in het opsporen van infectie bij mensen die geen symptomen vertoonden.

Een probleem: Laterale stroomtests geven minder dan 1% van de tijd fout-positieve uitslagen, vergeleken met 17% voor de stemtest. Maar aangezien de test "vrijwel gratis" is, zou het toch praktisch zijn om degenen die positief testen gewoon verdere tests te laten doen, zei onderzoeker Wafaa Aljbawi, die de voorlopige bevindingen presenteerde op het internationale congres van de European Respiratory Society in Barcelona, Spanje.

"Ik ben persoonlijk enthousiast over de mogelijke medische implicaties," zegt Visara Urovi, PhD, een onderzoeker van het project en universitair hoofddocent aan het Institute of Data Science van de Universiteit Maastricht. "Als we beter begrijpen hoe de stem verandert bij verschillende aandoeningen, zouden we mogelijk kunnen weten wanneer we op het punt staan ziek te worden of wanneer we meer tests en/of behandeling moeten zoeken."

De AI ontwikkelen

Een COVID-infectie kan je stem veranderen. Het tast de luchtwegen aan, "wat resulteert in een gebrek aan spraakenergie en stemverlies door kortademigheid en congestie van de bovenste luchtwegen", aldus de preprint paper, die nog niet peer reviewed is. De typische droge hoest van een COVID-patiënt veroorzaakt ook veranderingen in de stembanden. En uit eerder onderzoek is gebleken dat long- en strottenhoofdproblemen bij COVID de akoestische kenmerken van een stem veranderen.

Wat het laatste onderzoek opmerkelijk maakt, is de omvang van de dataset. De onderzoekers gebruikten een crowd-sourced database van de Universiteit van Cambridge die 893 audiomonsters bevatte van 4.352 mensen, waarvan er 308 positief testten op COVID.

Je kunt aan deze database bijdragen - het is allemaal anoniem - via Cambridge's COVID-19 Sounds App, die je vraagt om drie keer te hoesten, drie tot vijf keer diep door de mond te ademen en drie keer een korte zin te lezen.

Voor hun studie richtten de onderzoekers van de Universiteit Maastricht zich "alleen op de gesproken zinnen", legt Urovi uit. De "signaalparameters" van de audio "geven enige informatie over de energie van de spraak," zegt ze. "Het zijn die getallen die in het algoritme worden gebruikt om een beslissing te nemen."

Audiofielen vinden het misschien interessant dat de onderzoekers mel spectrogram analyse gebruikten om kenmerken van de geluidsgolf (of timbre) te identificeren. Liefhebbers van kunstmatige intelligentie zullen opmerken dat uit de studie bleek dat het langetermijngeheugen (LSTM) het type AI-model was dat het beste werkte. Het is gebaseerd op neurale netwerken die het menselijk brein nabootsen en is bijzonder goed in het modelleren van signalen die in de loop van de tijd zijn verzameld.

Voor leken is het voldoende om te weten dat vooruitgang op dit gebied kan leiden tot "betrouwbare, efficiënte, betaalbare, handige en eenvoudig te gebruiken" technologieën voor het opsporen en voorspellen van ziekten, aldus het artikel.

Wat is de volgende stap?

Dit onderzoek omzetten in een zinvolle app vereist een succesvolle valideringsfase, zegt Urovi. Dergelijke "externe validatie" - testen hoe het model werkt met een andere dataset van geluiden - kan een langzaam proces zijn.

"Een validatiefase kan jaren duren voordat de app beschikbaar kan worden gesteld aan het bredere publiek," zegt Urovi.

Urovi benadrukt dat zelfs met de grote Cambridge dataset, "het moeilijk te voorspellen is hoe goed dit model zou kunnen werken in de algemene bevolking." Als blijkt dat spraaktesten beter werken dan een snelle antigeentest, "zullen mensen misschien de voorkeur geven aan de goedkope niet-invasieve optie".

"Maar er is meer onderzoek nodig om te onderzoeken welke stemkenmerken het nuttigst zijn bij het uitkiezen van COVID-gevallen, en om ervoor te zorgen dat modellen het verschil kunnen zien tussen COVID en andere ademhalingsaandoeningen," zegt de paper.

Zijn tests voorafgaand aan een concert de toekomst? Dat zal afhangen van kosten-batenanalyses en vele andere overwegingen, zegt Urovi.

Niettemin, "Het kan nog steeds voordelen opleveren als de test wordt gebruikt ter ondersteuning van of in aanvulling op andere gevestigde screeninginstrumenten zoals een PCR-test."