App soll Corona-Infektion über Stimme erkennen

Die Ergebnisse seien dabei in weniger als einer Minute verfügbar.

Ein Forscher-Team, unter der Leitung der Maastricht University, soll Künstliche Intelligenz zur Covid-19-Infektionsermittlung nutzen. Und zwar ganz ohne Speichelabnahme.

Stimmentest

Das soll durch ein Stimmen-Screening per Handy-App passieren. Die hierfür eingesetzte KI-Methode soll laut eigener Angaben genauer als der Lateral-Flow-Test und der Rapid-Antigen-Test sein. Außerdem wäre die KI-Methode kostengünstiger sowie rasch und leicht einsetzbar. Das bedeutet, dass diese auch in Ländern mit geringeren Einkommen einsetzbar wäre, wo PCR-Tests teuer oder schwierig zu verteilen sind.

Einfache Auswertungsmethode

Laut Forscher Wafaa Aljbawi ist das KI-Modell zu 89 Prozent der Fälle treffsicher. Bei Lateral-Flow-Tests hingegen gibt es je nach Marke große Unterschiede bei der Treffsicherheit. Diese Tests waren bei Personen ohne Symptome weitaus ungenauer. Laut Aljbawi legen die Ergebnisse nahe, dass Sprachaufnahmen und fein abgestimmte Algorithmen eine große Genauigkeit bei der Feststellung, welche Patienten infiziert sind, erzielen können.

"Diese Tests sind einfach auszuwerten. Was noch wichtiger ist, sie erlauben eine virtuelle Ferntestung und haben eine Wartezeit von weniger als einer Minute. Sie könnten zum Beispiel am Eingang von großen Versammlungen eigesetzt werden", meint der Forscher.

Die Forscher:innen haben Daten der "Covid-19 Sounds App" genutzt, die 893 Tonproben von 4.352 gesunden und nicht gesunden Teilnehmer:innen enthält. 308 Personen wurden positiv auf Covid-19 getestet. Die App wird auf dem Handy installiert. Die Nutzer geben einige Basisinformationen zu Demografie, der medizinischen Vorgeschichte und dem Raucherstatus ein und werden dann ersucht, Atemgeräusche aufzunehmen. Dazu gehört ein dreimaliges Husten, drei bis fünf Mal tief durch den Mund atmen und einen kurzen Satz drei Mal laut lesen.

Künstliche Intelligenz trägt zur Erkennung bei

Zusätzlich hat das Team mit dem Mel Spectrogram ein Verfahren zur Analyse der Stimme verwendet, das verschiedene Eigenschaften der Stimme wie Lautstärke, Kraft und Schwankungen identifiziert. Bei den KI-Modellen schnitt die "Long-Short Term Memory" (LSTM) am besten ab. LSTM basiert auf neuronalen Netzwerken, die die Art und Weise, wie das menschliche Gehirn arbeitet, nachahmt und die zugrundeliegenden Beziehungen bei Daten erkennt. Insgesamt lag die Trefferquote bei ungefähr 89 Prozent. Auch die Fähigkeit, positive Fälle richtig zu erkennen, lag bei 89 Prozent. Die Fähigkeit, negative Fälle korrekt zu erkennen, lag bei rund 83 Prozent.

Die Forscher betonen, dass ihre Ergebnisse mit einer großen Anzahl von Tests validiert werden müssen. Seit dem Beginn des Projekts wurden rund 53.449 Tonproben von 36.116 Personen gesammelt. Diese Daten wurden genutzt, um das Modell weiter zu verbessern. Die aktuellen Forschungsergebnisse wurden auf dem "European Respiratory Society International Congress" der Öffentlichkeit präsentiert.

www.covid-19-sounds.org

www.maastrichtuniversity.nl

www.ersnet.org

Kommentar schreiben

* Pflichtfelder.

leadersnet.TV