IA do Google Pode Diagnosticar Doenças a Partir da Tosse

Um grupo liderado por cientistas do Google desenvolveu uma ferramenta de inteligência artificial (IA) que pode ajudar a detectar e monitorar condições de saúde ao avaliar ruídos como tosse e respiração. O sistema de IA, treinado em milhões de trechos de áudio de sons humanos, poderá um dia ser utilizado por médicos para diagnosticar doenças, incluindo COVID-19 e tuberculose, além de avaliar o funcionamento dos pulmões de uma pessoa.

Esta não é a primeira vez que um grupo de pesquisa explora o uso do som como biomarcador para doenças. O conceito ganhou destaque durante a pandemia de COVID-19, quando os cientistas descobriram ser possível detectar a doença respiratória por meio da tosse de uma pessoa.

O que há de novo no sistema do Google, chamado de Representações Acústicas de Saúde (HeAR, na sigla em inglês), é o grande conjunto de dados no qual foi treinado, e o fato de poder ser ajustado para realizar várias tarefas.

Os pesquisadores, que relataram a ferramenta neste mês em um pré-print que ainda não foi revisado por pares, afirmam que ainda é cedo para dizer se o HeAR se tornará um produto comercial. Por enquanto, o plano é dar acesso aos pesquisadores interessados ao modelo para que possam usá-lo em suas próprias investigações.

A maioria das ferramentas de IA desenvolvidas neste espaço são treinadas em gravações de áudio, por exemplo, de tosses, que são combinadas com informações de saúde sobre a pessoa que produziu os sons. No entanto, os pesquisadores do Google utilizaram o aprendizado Auto supervisionado, que depende de dados não rotulados. Através de um processo automatizado, eles extraíram mais de 300 milhões de trechos curtos de som de tosse, respiração, limpeza de garganta e outros sons humanos de vídeos do YouTube disponíveis publicamente.

Cada trecho foi convertido em uma representação visual do som chamada espectrograma. Em seguida, os pesquisadores bloquearam segmentos dos espectrogramas para ajudar o modelo a aprender a prever as partes faltantes. Isso é semelhante à forma como o grande modelo de linguagem que está por trás do ChatGPT foi ensinado a prever a próxima palavra em uma frase depois de ser treinado em inúmeras exemplos de texto humano. Usando este método, os pesquisadores criaram o que chamam de modelo base, que, segundo eles, pode ser adaptado para muitas tarefas.

No caso do HeAR, a equipe do Google o adaptou para detectar COVID-19, tuberculose e características como se uma pessoa fuma ou não. Como o modelo foi treinado em uma ampla gama de sons humanos, para ajustá-lo, os pesquisadores só precisaram alimentá-lo com conjuntos de dados muito limitados rotulados com essas doenças e características.

Em uma escala onde 0,5 representa um modelo que não funciona melhor do que uma previsão aleatória e 1 representa um modelo que faz uma previsão precisa todas as vezes, o HeAR obteve pontuações de 0,645 e 0,710 para detecção de COVID-19, dependendo de qual conjunto de dados foi testado – uma melhor performance do que os modelos existentes treinados em dados de fala ou áudio em geral. Para tuberculose, a pontuação foi de 0,739.

O fato de os dados de treinamento originais serem tão diversos – com qualidade de som e fontes humanas variadas – também significa que os resultados são generalizáveis, diz Kakarmath.

O campo da acústica da saúde, ou ‘audiômica’, é promissor, diz Bensoussan. “A ciência acústica existe há décadas. O que é diferente agora, com IA e aprendizado de máquina, é que temos os meios para colectar e analisar muitos dados ao mesmo tempo.” Ela co-lidera um consórcio de pesquisa focado em explorar a voz como um biomarcador para rastrear a saúde.

“Há um potencial imenso não apenas para diagnóstico, mas também para triagem” e monitoramento, diz ela. “Não podemos repetir exames ou biópsias toda semana. Então, é por isso que a voz se torna um biomarcador realmente importante para o monitoramento de doenças”, acrescenta. “Não é invasivo e não requer muitos recursos.”