نموذج الذكاء الاصطناعي هذا يساعد الباحثين على اكتشاف المرض استنادًا إلى السعال – ترجمة* محمد جواد آل السيد ناصر الخضراوي

This AI model is helping researchers detect disease based on coughs
(Shravya Shetty, Google Research Director of Engineering – بقلم: شرافيا شيتي، مدير الهندسة في ابحاث غوغل)

فيما يلي كيف أن نموذج الأساس الصوتي الحيوي، التمثيل الصوتي الصحي “هير” (Health Acoustic Representations (HeAR))، قد يساعد في تحسين النتائج الصحية للأشخاص في جميع أنحاء الهند.

من السعال إلى الكلام وحتى التنفس، تملأ الأصوات التي تصنعها أجسامنا بمعلومات عن صحتنا. وتحتوي القرائن الدقيقة المخبأة داخل هذه الأصوات الصوتية الحيوية على امكانية احداث ثورة في كيف نقوم بفحص وتشخيص ومراقبة وإدارة مجموعة واسعة من الحالات الصحية مثل مرض السل (TB) أو مرض الانسداد الرئوي المزمن (COPD).

وبصفتنا باحثين في غوغل، ندرك إمكانات الصوت كإشارة صحية مفيدة، وأيضًا [ندرك] أن لاقطات الصوت (الميكروفونات) في الهواتف الذكية يمكن الوصول إليها على نطاق واسع. وتحقيقًا لهذه الغاية، كنا نستكشف طرقًا لاستخدام الذكاء الاصطناعي لاستخراج حقائق صحية من البيانات الصوتية.

وفي وقت سابق من هذا العام [2024]، قدمنا التمثيل الصوتي الصحي، أو “هير”، وهو نموذج أساس صوتي حيوي تم تصميمه لمساعدة الباحثين على بناء نماذج يمكنها الاستماع إلى الأصوات البشرية والاشارة الى علامات المرض المبكرة. وقام فريق أبحاث غوغل بتدريب التمثيل الصوتي الصحي على 300 مليون قطعة من البيانات الصوتية برعاية مجموعة بيانات متنوعة وغير محددة، وقمنا بتدريب نموذج السعال على وجه الخصوص باستخدام ما يقرب من 100 مليون صوت سعال.

ويتعلم التمثيل الصوتي الصحي تمييز الأنماط ضمن حدود الأصوات المتعلقة بالصحة، مما يخلق أساسًا قويًا لتحليل الصوت الطبي. وقد وجدنا، في المتوسط​​، أن التمثيل الصوتي الصحي يأتي في رتبة أعلى من النماذج الأخرى في مجموعة واسعة من المهام ومن أجل تعميمها عبر الميكروفونات، دالة على قدرتها الفائقة على التقاط أنماط ذات مغزى في البيانات الصوتية المتعلقة بالصحة. وحققت النماذج المدربة على استخدام التمثيل الصوتي الصحي أداءً عاليًا مع بيانات تدريب أقل، وهو عامل حاسم في عالم أبحاث الرعاية الصحية في الغالب.

والتمثيل الصوتي الصحي متاح الآن للباحثين للمساعدة في تسريع تطوير النماذج الصوتية الحيوية المخصصة مع بيانات وإعدادًا وحسابًا أقل. وهدفنا هو تمكين مزيد من البحث في نماذج لظروف محددة ومجموعات السكان، حتى لو كانت البيانات قليلة أو في حالة وجود تكلفة أو حواجز حسابية.

وقد قامت شركة “سالسيت تكنولوجيز” (Salcit Technologies)، وهي شركة للرعاية الصحية التنفسية التي تتخذ من الهند مقراً لها، ببناء منتج يسمى “سواسا” ®(Swaasa) يستخدم الذكاء الصناعي لتحليل أصوات السعال وتقييم صحة الرئة. والآن، تستكشف الشركة كيف يمكن أن يساعد التمثيل الصوتي الصحي في توسيع قدرات نماذج الذكاء الصناعي الصوتية الحيوية. وللبدء، يستخدم التمثيل الصوتي الصحي شركة “سواسا” للمساعدة في البحث وتعزيز اكتشافها المبكر للسل استنادًا إلى أصوات السعال.

ومرض السل هو مرض قابل للعلاج، ولكن كل عام لا يتم تشخيص الملايين – في كثير من الأحيان لأن الناس لا يصلون بشكل مناسب إلى خدمات الرعاية الصحية. ويعد تحسين التشخيص أمرًا بالغ الأهمية للقضاء على السل، ويمكن أن يلعب الذكاء الاصطناعى دورًا مهمًا في تحسين الكشف والمساعدة في الحصول على العناية [الصحية] بشكل أكبر وبأسعار معقولة للأشخاص في جميع أنحاء العالم.

لدى “سواسا” تاريخ في استخدام التعلم الآلي للمساعدة في اكتشاف الأمراض في وقت مبكر، وسد الفجوة مع إمكانية الوصول، والقدرة على تحمل التكاليف وقابلية التوسع من خلال تقديم تقييم صحي في الجهاز التنفسي الخالي غير مرتبط بالمكان والمعدات. ومع التمثيل الصوتي الصحي، يرون فرصة لتوسيع فحص السل على نطاق واسع في جميع أنحاء الهند من خلال البناء على هذا البحث.

“كل حالة [مريض] مفقودة من مرض السل هي مأساة؛ كل تشخيص متأخر حسرة”، يقول سوجاي كاكارماث، مدير المنتجات في أبحاث غوغل ويعمل على مشروع التمثيل الصوتي الصحي. ويضيف: “توفر المؤشرات الحيوية الصوتية القدرة على إعادة كتابة هذا السرد. أنا ممتن للغاية للدور الذي يمكن أن يلعبه التمثيل الصوتي الصحي في هذه الرحلة التحويلية”.

ونرى أيضًا دعمًا لهذا النهج من المنظمات بما في ذلك “شراكة توقيف السل” (StopTB)، وهي منظمة تستضيفها الأمم المتحدة تجمع خبراء السل والمجتمعات المتأثرة بهدف إنهاء السل بحلول عام 2030.

وقال جي جين شين، أخصائي الصحة الرقمية في شراكة توقيف السل: “إن حلولا مثل التمثيل الصوتي الصحي ستمكّن التحليل الصوتي الذي يعمل بالذكاء الصناعي من اطلاق أرضية جديدة في فحص السل واكتشافه، مما يوفر أداة محتملة منخفضة التأثير يمكن الوصول إليها من قبل أولئك الذين يحتاجون إليها أكثر”.

ويمثل التمثيل الصوتي الصحي خطوة كبيرة إلى الأمام في أبحاث الصحة الصوتية. ونأمل أن نتقدم في تطوير أدوات التشخيص المستقبلية وحلول المراقبة في السل والصدر والرئة وغيرها من مجالات الأمراض، والمساعدة في تحسين النتائج الصحية للمجتمعات في جميع أنحاء العالم من خلال بحثنا.

فإذا كنت باحثًا مهتمًا باستكشاف الاستماع، فيمكنك معرفة المزيد وطلب الوصول إلى واجهة برمجة تطبيق التمثيل الصوتي الصحي (HeAR API) [الرابط: https://github.com/google-health/google-health/blob/master/health_acoustic_representations/readme.md].

*تمت الترجمة بتصرف

المصدر:

https://blog.google/technology/health/ai-model-cough-disease-detection