咳嗽两声即可诊断新冠无症状感染者 MIT研发新型

新冠无症状感染者由于没有明显的发热、咳嗽等症状而难于与普通人群区分开，这为阻断疫情传播带来一定的难度。不过日前，来自美国麻省理工学院（MIT）的研究人员称研发出了一种可以识别新冠肺炎患者咳嗽声的AI模型，可以通过分析咳嗽录音将无症状感染者与健康人区分开来。这篇题为《COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings》的论文日前发表在《IEEE 医学与生物学工程学杂志》上。

在医学领域，AI识别“咳嗽声”已用于多项疾病如肺炎、哮喘、阿尔茨海默症等的检测，这些疾病会导致机体功能退化，如声带减弱、呼吸功能下降等，虽然人耳难以辨识，但通过机器学习和信号处理，AI能够识出这其中的差别，而越来越多的证据表明，感染新冠病毒的患者也会出现类似的机体功能变化。

MIT研究人员此次开发的AI模型正是基于该团队此前用来诊断阿尔茨海默症早期患者的AI模型，疫情爆发后，该团队意识到或许可以利用其识别COVID-19无症状感染者。

今年4月，研究人员建立了一个公开咳嗽数据收集网站https://opensigma.mit.edu/，允许所有人通过网络浏览器、手机或者笔记本电脑等设备自愿提交咳嗽录音。截止目前，该网站收集了超过7万个录音，包含约 20 万份咳嗽音频样本，其中约有2500 多个样本是由已经确诊新冠的患者提交。

AI 模型则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。具体来说，研究人员训练了三个神经网络模型，分别用来提取声带强弱特征、区分言语中情绪状态以及在自建的咳嗽数据集上学习，辨别肺和呼吸功能的变化。

研究人员选取了2500个新冠确诊咳嗽音频样本和另外2500个随机咳嗽音频样本，并使用其中4000个样本来训练 AI 模型，用剩余的1000个进行模型准确度的检测。

检测结果显示，基于声带强度、情绪、肺和呼吸功能等生物特征，该 AI 模型能够很准确地识别出新冠患者。该模型在聆听确诊病例的录音时准确率可达98.5%，在聆听无症状患者咳嗽的录音时准确率更是高达100%。而且该模型的特异性也已分别达到83%和94%，基本没有大量的假阳性或假阴性报告。

“我们认为这表明当患有新冠肺炎时，人产生声音的方式会发生变化，即使没有症状。”麻省理工学院自动识别实验室的研究科学家Brian Subirana表示，并补充道，“尽管该系统擅长于非健康咳嗽的监测，但大家还是不要轻易将之视作确诊的权威工具。”

目前，该团队正在与多家医院展开合作，从而建立更多样化的数据库。同时，该团队也在向FDA申请，希望将其整合到App中，如果投入使用，手机用户只需登录App对其咳嗽两声，就能获知自己是否可能感染了新冠病毒。