Genauer als ein Schnelltest Künstliche Intelligenz erkennt Corona an der Stimme
Hauptinhalt
05. September 2022, 13:52 Uhr
Eine Covid-19-Infektion betrifft in der Regel die oberen Atemwege und Stimmbänder – was zu Veränderungen in der Stimme einer Person führt. Mithilfe von künstlicher Intelligenz will ein Forscherteam nun eine Möglichkeit gefunden haben, anhand von Stimmaufnahmen zu erkennen, ob eine Person gerade mit Corona infiziert ist – angeblich sogar mit einer besseren Trefferquote, als Schnelltests sie derzeit vorweisen können.
Wafaa Aljbawi ist Forscherin am Institute of Data Science an der Universität in Maastricht. Sie und ihre Kollegen haben eine Künstliche Intelligenz entwickelt, die in 89 Prozent der Fälle erkennen soll, ob eine Person mit Corona infiziert ist oder nicht. Das wäre eine kleine Sensation, denn damit liegt die Zuverlässigkeit der KI beim Nachweis von Covid-19-Infektionen deutlich über dem, was Corona-Schnelltests derzeit schaffen – deren Genauigkeit schwankt je nach Anbieter stark. In einer aktuellen Studie aus Bayern erkannte nur jeder dritte Schnelltest eine Omikron-Infektion.
Ergebnis in unter einer Minute
Für den Corona-Test via KI ist außerdem kein unangenehmes Nasebohren nötig: Lediglich einige kurze Aufnahmen via Smartphone ermöglichen laut dem Forscherteam einen sicheren Nachweis. Dreimal husten, drei- bis fünf Mal tief durch den Mund atmen und einen kurzen Satz auf dem Bildschirm lesen, fertig. In unter einer Minute soll ein sicheres Ergebnis möglich sein. Man könne solche Test beispielsweise an den Eintrittspunkten für große Versammlungen nutzen, schlägt Forscherin Wafaa Aljbawi vor. Es sei möglich, sie kostenlos zur Verfügung stellen und sie seien einfach zu interpretieren.
Diese vielversprechenden Ergebnisse deuten darauf hin, dass einfache Sprachaufzeichnungen und fein abgestimmte KI-Algorithmen möglicherweise eine hohe Präzision bei der Bestimmung der Patienten mit Covid-19-Infektion erreichen können.
Um ihre KI auf das Erkennen von Corona in der Stimme zu trainieren, arbeiteten die Forschenden mit einem Crowdsourcing-Datensatz der Universität Cambridge. In dem Datensatz namens "Covid-19 Sounds" sind 893 Audiobeispiele von 4.352 gesunden und nicht gesunden Personen erfasst, von denen 308 positiv auf Covid-19 getestet wurden. Die Aufnahmen wurden anschließend mit einer Stimmanalysetechnik namens Mel-Spektrogramm-Analyse auf Merkmale wie Lautstärke, Kraft und Variation hin untersucht.
KI stellt erkennt positive Fälle zu 89 Prozent
Mit einem KI-Modell aus neuronalen Netzen und Long-Short-Term Memory (LSTM) konnte mit 89-prozentiger Genauigkeit festgestellt werden, ob die im Datensatz gesammelten Stimmaufnahmen von einer Covid-19-positiven Person kamen oder nicht. Das zeige eine signifikante Verbesserung der Genauigkeit der Diagnose im Vergleich zu hochmodernen Schnelltest, so Wafaa Aljbawi.
Noch fehlt eine breitere Datenbasis
In einem nächsten Schritt müssen diese Ergebnisse des Forscherteams nun allerdings erst einmal auf einer größeren Datenbasis validiert werden. Wafaa Aljabi und ihre Kollegen haben dafür 53.449 Hörproben von 36.116 Teilnehmern gesammelt und verbessern nun anhand dieser Datensammlung die Genauigkeit ihres KI-Modells.
Links/Studien
Die Ergebnisse der noch nicht begutachteten Untersuchungen wurden heute (5.9.) auf dem "European Respiratory Society International Congress 2022" vorgestellt, der gerade in Barcelona/Spanien stattfindet..
iz
