谷歌用 3 亿声音训练 AI，借手机音频测病

在人工智能领域的进步方面，谷歌正在通过采用一种借助音频信号来预测疾病初期症状的新方法而取得进展。

谷歌已使用了 3 亿个音频样本，其中包括咳嗽、抽鼻子以及呼吸困难等，来训练其人工智能基础模型，以识别诸如肺结核之类的疾病迹象。

谷歌已与 Salcit 科技公司展开合作，这家公司是专注于印度呼吸保健的人工智能初创企业，旨在将这项技术融入智能手机。

在医疗保健获取受限的地区，高风险社区可能会因此经历变革。

谷歌此前曾致力于将人类的感官数字化。

该公司的投资部门此前曾支持那些使用人工智能依据气味来识别疾病的初创公司。

探索将生物学和声学相结合的生物声学，展现出 人工智能 在从人类和动物发出的声音中提取重要信息这一方面的应用愈发广泛。

在医疗保健领域，生成式人工智能，也就是 ChatGPT 被超 2 亿用户广泛采用所依靠的技术，正凭借新的能力推动生物声学的发展。

谷歌开发了一种名为 HeAR（健康声学表征）的人工智能模型，该模型借助声音信号来预测疾病的早期迹象，为医疗诊断提供了一种创新工具。

这种技术在智能手机上易于部署，可以在难以获得昂贵诊断设备（如 X 光机）的地区跟踪和筛查高危人群。

这种方法的有用性在于其能够借助集成在手机里的麦克风和人工智能软件，为偏远地区提供医疗保健的选择。

据世界卫生组织报告，结核病每天致使近 4500 人丧生，且约有 30000 例新的感染病例。

虽然结核病是能够治疗的，然而仍有数百万病例未得到诊断。

仅在印度，结核病每年就致使近 25 万人死亡，这突显了早期检测的重要性。

谷歌的人工智能是利用包含来自世界各地的咳嗽和呼吸声音的 3 亿个音频片段这样的海量数据集来进行训练的。

这些声音是从公开可用且无版权的材料中获取的，例如 YouTube 视频和赞比亚医院结核病筛查的录音。

集成在智能手机里的 人工智能 工具能够被带往最偏远的地区用于疾病筛查。

通过对咳嗽模式中细微差异的分析，人工智能系统能够识别出结核病的早期迹象，有利于早期干预和治疗。

谷歌和 Salcit 技术公司的合作旨在提升结核病诊断以及肺部健康评估的准确性。

萨尔西特正在将谷歌的人工智能模型与其机器学习技术“斯瓦萨系统”（Swaasa）相结合，这是一个以梵语中“呼吸”一词命名的人工智能系统。

这种合作预计将极大地增强对呼吸健康的监测和疾病的管理，特别是在医疗专业人员和诊断工具有限的地区。

利用人工智能通过声音来检测疾病，这代表了一项重大的技术突破，有彻底改变医疗服务提供方式的可能。

随着诸如 HeAR 这类的人工智能模型变得更为先进，它们可能会通过声音分析从检测结核病扩展到识别其他呼吸系统疾病和心血管疾病。

在一个数百万民众获取医疗保健仍困难重重的世界中，开发此类工具至关重要。

借助智能手机现有的基础设施，这些基于人工智能的解决方案可以迅速扩展并用于城乡地区，提升医疗保健的包容性与可及程度。