Covid-19 ile enfekte olan asemptomatik kişiler; tanımı gereği, hastalığın fark edilebilir fiziksel semptomlarını göstermezler. Bu nedenle, virüs için test yapma olasılıkları daha düşüktür ve bilmeden enfeksiyonu başkalarına yayabilirler.
Ancak asemptomatik olanlar virüsün yarattığı değişikliklerden tamamen kurtulamayabilir gibi görünüyor. MIT araştırmacıları; asemptomatik kişilerin öksürme biçiminde sağlıklı bireylerden farklı olabileceğini keşfettiler. Bu farklılıklar insan kulağı tarafından deşifre edilemez. Ancak yapay zeka tarafından yakalanabilecekleri ortaya çıktı.
Yakın zamanda IEEE Journal of Engineering in Medicine and Biology’de yayınlanan bir makalede, ekip; asemptomatik insanları sağlıklı bireylerden ayıran bir yapay zeka modelini; insanların gönüllü olarak web tarayıcıları, cep telefonları ve dizüstü bilgisayarlar gibi cihazlar aracılığıyla gönderdiği zorunlu öksürük kayıtları aracılığıyla duyurdu.
Araştırmacılar, modeli on binlerce öksürük örneğinin yanı sıra konuşulan kelimeler üzerine de eğitti. Model; yeni öksürük kayıtlarını beslediklerinde, semptomları olmadığını, ancak virüs için pozitif test ettiklerini bildiren asemptomatik öksürüklerin yüzde 100’ü de dahil olmak üzere Covid-19 olduğu doğrulanan kişilerden gelen öksürüklerin yüzde 98,5’ini doğru bir şekilde tanımladı.
Ekip, modeli kullanıcı dostu bir uygulamaya dahil etmek için çalışıyor; bu, FDA onaylıysa ve büyük ölçekte benimsenirse, Covid-19 için asemptomatik olma olasılığı yüksek olan kişileri belirlemek için potansiyel olarak ücretsiz, kullanışlı, invazif olmayan bir ön tarama aracı olabilir. Bir kullanıcı her gün oturum açabilir, telefonuna öksürerek virüs bulaşıp bulaşmayacağı hakkında anında bilgi alabilir ve bu nedenle resmi bir testle onaylaması gerekir.
MIT’nin Auto-ID Laboratuvarı’nda araştırmacı bilim insanı olan ortak yazar Brian Subirana, “Bu grup teşhis aracının etkili bir şekilde uygulanması için bir sınıfa, fabrikaya veya restorana gitmeden önce kullanılırsa, salgının yayılması azaltılabilir.”
Sesli Duygular
Pandeminin başlangıcından önce araştırma grupları; zatürre ve astım gibi durumları doğru bir şekilde teşhis etmek için öksürük kayıtları üzerine algoritmalar eğitiyordu. Benzer bir şekilde, MIT ekibi; yalnızca hafızadaki düşüşle değil, aynı zamanda zayıflamış ses telleri gibi nöromüsküler bozulmayla da ilişkili bir hastalık olan Alzheimer hastalığının belirtilerini tespit edip edemeyeceklerini görmek için zorunlu öksürük kayıtlarını analiz ederek AI modelleri geliştiriyordu.
İlk olarak, farklı derecelerde vokal kord gücü ile ilişkili sesleri ayırt etmek için ResNet50 olarak bilinen, genel bir makine öğrenme algoritması veya sinir ağını eğittiler. Araştırmalar; “mmmm” sesinin kalitesinin, bir kişinin ses tellerinin ne kadar zayıf veya güçlü olduğunun bir göstergesi olabileceğini göstermiştir. Subirana, “onlar” kelimesini “o” ve “o zaman” gibi diğer kelimelerden ayırmak için sinir ağını 1000 saatten fazla konuşma içeren bir sesli kitap veri seti üzerinde eğitti.
Ekip, konuşmada belirgin olan duygusal durumları ayırt etmek için ikinci bir sinir ağını eğitti. Çünkü Alzheimer hastalarının (ve daha genel olarak nörolojik düşüşü olan kişilerin) mutluluğu ifade ettiklerinden daha sık hayal kırıklığı ya da düz bir duygulanım gibi belirli duyguları sergiledikleri görüldü. Araştırmacılar; nötr, sakin, mutlu ve üzgün gibi duygusal durumları canlandıran büyük bir veri kümesi üzerinde eğiterek, bir duyarlı konuşma sınıflandırıcı modeli geliştirdiler.
Araştırmacılar daha sonra akciğer ve solunum performansındaki değişiklikleri ayırt etmek için bir öksürük veri tabanı üzerinde üçüncü bir sinir ağını eğitti.
Son olarak, ekip üç modeli de birleştirdi ve kas zayıflamasını tespit etmek için bir algoritma yerleştirdi. Algoritma bunu esasen; bir ses maskesini veya gürültü katmanını simüle ederek ve güçlü öksürükleri (gürültü üzerinden duyulabilenleri) daha zayıf olanları ayırt ederek yapar.
Ekip, yeni AI çerçevesiyle Alzheimer hastaları da dahil olmak üzere ses kayıtlarını besledi ve Alzheimer’ın örneklerini mevcut modellerden daha iyi belirleyebileceğini gördü. Sonuçlar, ses teli gücü, duygu, akciğer ve solunum performansı ve kas bozulmasının birlikte hastalığın teşhisinde etkili biyobelirteçler olduğunu gösterdi.
Koronavirüs salgını ortaya çıkmaya başladığında, Subirana; enfekte hastaların geçici nöromüsküler bozukluk gibi bazı benzer nörolojik semptomlar yaşadığına dair artan kanıtlar olduğundan, Alzheimer’ın AI çerçevesinin Covid-19 teşhisi için de işe yarayıp yaramayacağını merak etti.
Araştırmacı Subirana: “Konuşma ve öksürük sesleri hem ses tellerinden hem de etrafındaki organlardan etkilenir. Bu, konuşurken, konuşmanın bir kısmının öksürük gibi olduğu ve bunun tersi olduğu anlamına gelir. Bu aynı zamanda, akıcı konuşmadan kolayca elde ettiğimiz şeyleri yapay zekanın, kişinin cinsiyeti, ana dili ve hatta duygusal durumu gibi öksürüklerden kolayca algılayabileceği anlamına gelir. Aslında nasıl öksürdüğünüze bağlı bir duygu var. Biz de düşündük, neden Alzheimer’ın biyobelirteçlerini (bunların Covid ile alakalı olup olmadıklarını görmek için) denemiyoruz.”
“Çarpıcı bir benzerlik…”
Nisan ayında ekip; Covid-19 hastası olanlar da dahil olmak üzere, olabildiğince çok öksürük kaydı toplamaya başladı. İnsanların bir cep telefonu veya başka bir web özellikli cihaz aracılığıyla bir dizi öksürüğü kaydedebilecekleri bir web sitesi kurdular. Katılımcılar ayrıca; Covid-19’a sahip olup olmadıklarına, resmi bir testle teşhis edilip edilmediklerine, bir doktorun semptomlarını değerlendirip değerlendirmedikleri ve kendi kendilerine teşhis koyup koymadıklarına dair bir anket doldururlar. Ayrıca cinsiyetlerini, coğrafi konumlarını ve ana dillerini de not edebilirler.
Bugüne kadar araştırmacılar; her biri birkaç öksürük içeren, yaklaşık 200.000 zorla öksürük ses örneğine karşılık gelen 70.000’den fazla kayıt topladı ve Subirana’nın söylediği gibi; bilinen en büyük öksürük veri setine sahip bir araştırma oldu. Asemptomatik olanlar da dahil olmak üzere Covid-19 olduğu doğrulanan kişiler tarafından yaklaşık 2.500 kayıt sunuldu.
Ekip, veri setini dengelemek için koleksiyondan rasgele seçtikleri 2.500 kayıt ile birlikte Covid ile ilişkili 2.500 kaydı kullandı. AI modelini eğitmek için bu örneklerden 4.000’ini kullandılar. Kalan 1000 kayıt daha sonra Covid hastalarından sağlıklı bireylere karşı öksürükleri doğru bir şekilde ayırt edip edemeyeceğini görmek için modele beslendi.
Şaşırtıcı bir şekilde, araştırmacıların makalelerinde yazdıkları gibi, çalışmaları “Alzheimer ve Covid ayrımcılığı arasında çarpıcı bir benzerlik” ortaya çıkardı.
AI çerçevesi içinde orijinal olarak Alzheimer için çok fazla ince ayar yapılmadan, Covid-19’a özgü dört biyolojik belirteçte (ses teli gücü, duygu, akciğer ve solunum performansı ve kas bozulması) kalıpları yakalayabildiğini buldular. Model; Covid-19 ile teyit edilen insanlardan gelen öksürüklerin yüzde 98,5’ini belirledi ve bunlardan tüm asemptomatik öksürükleri doğru bir şekilde tespit etti.
Araştırmacı Subirana: “Bunun, belirti vermeseniz bile Covid’e sahip olduğunuzda ses üretme şeklinizin değiştiğini gösterdiğini düşünüyoruz.”
Asemptomatik Semptomlar
Subirana, AI modelinin; semptomlarının Covid-19, grip veya astım gibi diğer koşullardan kaynaklanıp kaynaklanmadığı konusunda semptomatik insanları teşhis etmek için tasarlanmadığını vurguluyor. Modelin gücü, asemptomatik öksürükleri sağlıklı öksürüklerden ayırt etme yeteneğinde yatmaktadır.
Ekip, yapay zeka modellerine göre ücretsiz bir ön tarama uygulaması geliştirmek için bir şirketle çalışıyor. Ayrıca; modelin doğruluğunu eğitmeye ve güçlendirmeye yardımcı olacak daha büyük, daha çeşitli öksürük kayıtları toplamak için dünyanın dört bir yanındaki birkaç hastaneyle iş birliği yapıyorlar.
Makalelerinde önerdikleri gibi, ön tarama araçları; her zaman arka planda açıksa ve sürekli iyileştiriliyorsa, salgınlar geçmişte kalabilir.
Sonuçta, geliştirdikleri gibi sesli yapay zeka modellerinin akıllı hoparlörlere ve diğer dinleme cihazlarına dahil edilebileceğini ve böylece insanların hastalık risklerinin belki de günlük bazda rahatlıkla ilk değerlendirmesini alabileceklerini öngörüyorlar.
