Pesquisa

Saiba mais sobre como nossa pesquisa funciona!

Como funcionará?

Com base na pesquisa clínica sobre a classificação do som da tosse de instituições de prestígio, incluindo CMU, MIT e Cambridge, Virufy está desenvolvendo um algoritmo de IA para prever com precisão uma infecção por COVID-19 em minutos com base nas gravações do som da tosse.

Expandir/reduzir

O som da sua tosse e respiração há muito tempo é utilizado por profissionais médicos como um julgamento da saúde respiratória e para o diagnóstico de várias doenças. Antes da pandemia COVID-19, equipes médicas coletavam esses sons de pacientes e, posteriormente, faziam diagnósticos por meio de consultas presenciais. Embora esse método de diagnóstico anteriormente comum economize tempo e dinheiro, a viabilidade de um diagnóstico pessoal de COVID-19 por meio da tosse e respiração do paciente é quase nula devido à essencialidade do distanciamento social e limitação da pessoal durante esta pandemia.

No entanto, com a disseminação da Inteligência Artificial (IA) na tecnologia de diagnóstico, pode ser possível diagnosticar COVID-19 por meio de um simples registro de uma tosse em um aplicativo de smartphone. Devido à capacidade dos algoritmos de IA de captar padrões de minutos - mas ainda assim distinguíveis - em recursos de áudio, a IA tem sido capaz de exibir alta sensibilidade e especificidade na classificação de doenças respiratórias [1, 2, 3, 4, 5 ]. Exemplos anteriores de modelos de diagnóstico de IA bem-sucedidos incluem aqueles que diagnosticam sibilância e roncos [9], coqueluche [3], asma [1] e pneumonia [1] - todos os quais utilizaram a assinatura respiratória única de cada doença para diferenciar os casos positivos.

Expandir/reduzir

Semelhante a todas as outras doenças respiratórias, o COVID-19 cria uma assinatura respiratória única na garganta e nos pulmões que é distinta de outras infecções respiratórias que produzem tosse úmida. Consequentemente, foi sugerido que os sons da tosse podem ser analisados ​​para detectar COVID-19. Globalmente, essa ideia está sendo ativamente pesquisada por várias instituições de prestígio, incluindo CMU [8], MIT [10] e Cambridge [7]. Por exemplo, uma pesquisa crowdsource feita pela Universidade de Cambridge mostrou que um classificador de aprendizado de máquina binário simples é capaz de classificar pacientes positivos para COVID-19 por meio de sons de respiração e tosse com alta precisão (AUC = 0,7) [7]. Da mesma forma, os pesquisadores da CMU identificaram 18 características de voz que distinguem pacientes COVID-19 positivos e treinaram um modelo para diagnosticar COVID-19 com uma precisão de 89,1% [8]

Expandir/reduzir

Com base nesta pesquisa anterior, Virufy está desenvolvendo um algoritmo de IA que pode ser usado para prever com precisão uma infecção por COVID-19 em minutos com base em gravações de sons de tosse. No entanto, ao contrário da pesquisa anterior de tosse COVID-19 que teve como alvo a população dos EUA , Virufy tem como objetivo coletar dados de vários locais em todo o mundo. Como uma iniciativa de estudantes com voluntários de vários países, Virufy está desenvolvendo um modelo de diagnóstico COVID-19 com maior inclusão racial e espacial por meio de dados que incluem uma variedade de etnias e comunidades - diferenças fonológicas específicas.

Atualmente, Virufy desenvolveu um modelo com uma precisão de 80% com dados clínicos derivados de vários países e abrangendo várias etnias. No entanto, embora nosso modelo seja de alta precisão, reconhecemos que isso não é suficiente. Precisamos da sua tosse para refinar nosso modelo e, finalmente, desenvolver um modelo de diagnóstico COVID-19 gratuito que pode fornecer um diagnóstico COVID-19 fácil e instantaneamente por meio de um aplicativo de smartphone.

Abaixo estão alguns exemplos de projetos de pesquisa que nos dão confiança no escopo do desenvolvimento de um algoritmo de IA a ser usado para detecção de COVID-19:

Dados

Fonte de dados

Uma pesquisa em massa feita pela Universidade de Cambridge que usou amostras de tosse e respiração para entender como os sons do COVID-19 são discerníveis em pessoas com asma ou controles saudáveis. Seus resultados mostram que mesmo um classificador de aprendizado de máquina binário simples é capaz de classificar sons saudáveis ​​e COVID-19 corretamente. Nossos modelos alcançam um AUC acima de 70% em todas as tarefas. Este trabalho inspira investigações adicionais de como os padrões respiratórios analisados ​​automaticamente podem ser usados ​​como sinais de pré-triagem para auxiliar no diagnóstico de COVID-19 [7].

Balão de fala

Detector de voz do COVID

Um estudo realizado pela Carnegie Mellon University teve como objetivo coletar um grande número de amostras de voz para treinar IA para o diagnóstico de COVID. A justificativa por trás do estudo é que "o som da nossa voz (independentemente do idioma) e os sons que fazemos quando respiramos ou tossimos mudam quando nosso sistema respiratório é afetado. As mudanças variam de mudanças grosseiras e claramente audíveis a minutos mudanças - o que chamamos de "micro" assinaturas, que não são audíveis para o ouvinte não treinado, mas estão presentes" [8].

Telefone

Olá Sigma, estou com o Coronavirus? Solicitação de uma nova abordagem de inteligência artificial para apoiar profissionais de saúde que lidam com a pandemia COVID-19.

O Departamento de Engenharia Mecânica do MIT se propõe a detectar casos positivos de COVID por meio da coleta de amostras de tosse por telefone para treinar a inteligência artificial e, posteriormente, construir um algoritmo de diagnóstico [10].

Inteligência Artificial foi usada no passado para diagnóstico!

A análise de som de tosse para classificação de pneumonia e asma na população pediátrica

Neste estudo, IA foi usada para distinguir entre tosses de asma e pneumonia, com o objetivo de fornecer atendimento médico a países em desenvolvimento com poucos recursos. Seu método alcançou uma sensibilidade de 89%, especificidade de 100% e Kappa de 0,89. Seus resultados mostram o uso potencial de IA na detecção e diferenciação de sons respiratórios [1].

Um algoritmo baseado em tosse para diagnóstico automático de coqueluche

Este estudo usa tosse de coqueluche, crupe e tosse contendo sons similares correspondentes a outras doenças, como bronquiolite e asma, para treinar IA a fim de detectar coqueluche. O algoritmo é capaz de diagnosticar toda a coqueluche com sucesso a partir de gravações de áudio, detectando automaticamente sons de tosse individuais com 92% de precisão e VPP de 97%. Seu resultado suporta o uso de IA como um candidato potencial para diferenciar e diagnosticar sons respiratório [3].

Divisor

Citações