Ilman Shazhaev，是 Acoustery，一家開發 AI 技術以早期識別呼吸系統疾病的健康科技公司。
最初是什麼吸引您進入計算機科學與工程領域?
如今可用的數據量比以往任何時候都更加廣泛，而高度依賴數據的人工智能技術在過去幾年取得了巨大進步。這就是為什麼在這個領域進行研究如此令人興奮。
目前，我專注於大數據項目。在 COVID-19 期間，我與人共同創立了 Acoustery:一種基於人工智能的全自動解決方案，用於根據對聲音、咳嗽和呼吸的分析來監測一個人的健康狀況。
下一步是結合健康研究和遊戲。為什麼?這個行業產生的數據量是獨一無二的；更重要的是，遊戲玩家是準備分享他們的數據並為科學進步做出貢獻的早期採用者。與此同時，正在進行的臨床試驗數量少，進展緩慢，遊戲行業允許進行更多的動態數據處理。
您能否詳細說明 Acoustery 背後的起源故事?
正如我之前所說，Acoustery是在大流行期間開始的。儘管 2020 年的商業機會相對有限，但我留在了迪拜，這是為數不多的項目可以在沒有超嚴格限制的情況下運作的地方之一。
我的聯合創始人 Dr.Dmitry Mikhaylov，一位教授在新加坡國立大學，我開始了一項新的挑戰:COVID-19 的早期檢測。當時，阿聯酋正在大力探索早期診斷技術，並大力支持 AI 項目。
因此，我們獲得了阿聯酋最好的檢測機構之一:Sheikh Zayed 軍事醫院，我們在那裡來自數百名 COVID-19 患者的數據來訓練我們的 AI 引擎。
在下一階段，測試表明我們的技術非常準確並且具有巨大的潛力。研究人員在日本和美國的頂級期刊上發表了他們的研究結果，我們的檢測方法在大流行期間作為應急工具在多個亞洲國家/地區使用。
當 COVID-19 結束時，我們專注於檢測哮喘使用相同的方法。目前在阿聯酋研究領域處於領先地位的沙迦大學對這些測試進行了地面批准。
對於 COVID-19，與 PCR、LFT 和抗體測試相比，該系統的準確性如何?
與 Xpert MTB/RIF 相比，Acoustery 在社區範圍內篩查 COVID-19 的情況下的陽性預測值相對較高 (81%)，Xpert MTB/RIF 是一種徹底改變結核檢測和控制的新測試有助於疾病的快速診斷 (61%) 和 PCR 咽拭子 (71%)。
我們的研究結果表明，Acoustery 開發的軟件可以用作主要的非實驗室篩查工具，以檢測 COVID-19 病例並將患者送到實驗室進行 PCR 檢測。
您能告訴我們更多有關用於訓練 AI 的機器學習的信息嗎?
我們假設為了獲得 COVID-19 的準確檢測率，我們可以訓練卷積和循環網絡通過分析咳嗽的頻譜圖來診斷疾病和病人的呼吸。頻譜圖是一種表示不同頻率信號強度的視覺方式。許多醫學研究表明，感染 COVID 的患者和未感染 COVID 的患者的咳嗽之間存在顯著差異，因此我們訓練了我們的 AI 引擎以識別這種差異。
Acoustery 的發展可用於診斷阿爾茨海默氏症，通常被認為是一種神經系統疾病。它究竟是如何工作的?
我們的研究探討了言語測量如何與阿爾茨海默病 (AD) 參與者的語言特徵相關聯，以及這些特徵如何區分 AD 與正常衰老相關的變化.為實現這一目標，我們的 AI 分析了患有和未患有 AD 的老年人發音的簡單句子，從語音中斷的百分比和數量到微光（振幅擾動商）和噪聲諧波比。該分析的準確率達到 90%。
後來，我們在 Farcana Labs 中使用了相同的方法 – a該企業專注於收集遊戲玩家產生的大數據以研究疾病進展，尤其是精神障礙。
還有哪些其他疾病可以使用這種方法進行診斷?
哮喘是我們現在的首要任務。結核病是另一個重點，還有慢性阻塞性肺病 (COPD)、肺纖維化、肺炎和肺癌。
這些用例的訓練數據集有多大?
在過去四年中，我們的數據庫中收集了數千條咳嗽記錄。
您對全面醫療診斷的未來有何看法?
strong>
個人設備收集的數據將對早期診斷疾病和預防流行病發揮重要作用。甚至我們的手機也有多個傳感器:麥克風只是其中之一。可以分析運動技能和檢測多種疾病的加速度計是另一種方法。
儘管這些技術不應該是診斷的唯一來源，但它們可以顯著幫助預測和預防高度傳染性呼吸道疾病的傳播——以及，因此，新的流行病。 Acoustery 也可用於 PCR 檢測機會有限的發展中國家。
您似乎有多個項目正在進行；您還看到了哪些其他令人興奮的人工智能用例?
人工智能領域是獨一無二的。作為 AI 研究人員，我們專注於生成大數據的利基市場，這對於任何 AI 研究都是必不可少的。我們需要大量患者來編譯高質量的數據集，因此我們同時進行了幾項研究，並正在探索多個垂直業務領域。
我們認為遊戲是一個產生大量數據的領域.今天，人們玩很多電子遊戲，這是健康研究的寶貴數據來源。從個人設備和可穿戴設備收集數據是另一個具有巨大潛力的載體。
總而言之，現在探索這項技術令人興奮，我相信它還有更多潛力可以在其他領域得到利用。
感謝您的精彩採訪，希望了解更多信息的讀者可以訪問 聲學。