近日,不少网友反映转阴后出现咳嗽气短的情况,有关“是否要拍肺部CT”的话题也引发热议。这让记者联想到就在不久前,由中科院声学所研发的“智能声音识别”新冠检测的小程序火爆全网,小程序通过咳嗽音就可以识别新冠肺炎患者,给买不到抗原的网友提供了辅助检测手段。由此,记者想试一下通过咳嗽音能否检测白肺,让记者惊喜的是现在小程序已更名为“小豚聆听”,而且增加了“肺部健康检测”新功能。只需对着手机咳嗽3～5声就可出风险预警提示。

小程序首页(左图)、检测结果(右图)

那么,有人要问了,听咳嗽声识别新冠肺炎和白肺,靠谱吗?技术依据是什么?准确率有多高?目前是否有应用?

实际上,听诊是一种再常见不过的诊断方法,中医自古强调的「望闻问切」中的「闻」就是指听声音、气息;现代医学领域中的听诊器更是发布于年,距今已有年历史,是最早应用在临床的声学设备,传统听诊依赖于医生的经验,人工智能的发展可以通过机器学习的方式将人的经验用计算机转化为数据来进行自我学习。相比通过声音识别新冠肺炎患者,Ai更早之前还被运用于判断和识别PTSD(创伤后应激障碍)、抑郁症以及其他心理疾病。比如,抑郁症患者往往会表现出言语迟缓、音量不稳定、发声颤抖、语言韵律异常等症状。

肺部和呼吸道的物理结构会随着呼吸道感染而改变。通过对新冠肺炎引起的呼吸系统病理形态学改变的分析表明,新冠肺炎以一种独特的方式感染呼吸系统,这些改变与其他常见的非新冠肺炎呼吸系统疾病不同。

正常人和新冠患者咳嗽音频谱对比

记者发现,国际上自年10月已有多个基于咳嗽声诊断新冠肺炎的相关研究报道和学术文章。美国麻省理工学院(MIT)、英国曼彻斯特大学等研究机构的科研人员均对基于咳嗽声进行新冠肺炎诊断进行了探索,并建立了用于研究的咳嗽声数据库。MIT从肌肉疲劳(MuscularDegradation)、声带变化(Vocalcords)、认知和情绪变化(Sentiment/mood)、肺部和呼吸道结构变化(Lungsandrespiratorytract)等四个方面研究了与新冠肺炎的关系。研究中所使用的AI模型提取了咳嗽记录的音频特征(梅尔频率倒谱系数),并将它输入到神经网络(卷积神经网络,CNN)中,学习新冠病毒患者与健康人之间的咳嗽差异。该研究成果发表在《IEEE医学和生物学工程杂志》上,并得到了广泛的