Recentemente, uma equipe de cientistas do Google desenvolveu uma ferramenta incrível de aprendizado de máquina chamada Health Acoustic Representations (HeAR), que pode facilitar a forma como diagnosticamos e monitoramos doenças. Vamos entender como essa tecnologia funciona e quais são os seus potenciais benefícios para a saúde pública!
Como funciona o HeAR?
O HeAR é um sistema de inteligência artificial treinado em mais de 300 milhões de clips de áudio de sons humanos, incluindo tosse e respiração. Ele utiliza técnicas de aprendizado de máquina para analisar esses sons e identificar padrões associados a diferentes condições de saúde.
LEIA MAIS: 5 tecnologias cotidianas que estão com os dias contados
Ao contrário de outras abordagens que dependem de conjuntos de dados rotulados, o HeAR utiliza o aprendizado auto supervisionado. Isso significa que ele é capaz de extrair informações valiosas mesmo de dados não rotulados, aumentando assim sua capacidade de generalização e aplicabilidade.
A equipe do Google adaptou a ferramenta para detectar COVID-19, tuberculose e características de uma pessoa fumante. Como o modelo foi treinado em uma gama tão ampla de sons humanos, para ajustá-lo, os pesquisadores só tiveram que 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 tem desempenho melhor do que uma previsão aleatória e 1 representa um modelo que faz uma previsão precisa a cada vez, o HeAR apresentou pontuações promissoras para a detecção de COVID-19 e tuberculose.
Seus resultados, reportados em uma pré-impressão ainda não revisada por pares, demonstraram uma capacidade de detecção significativa, com pontuações de 0,645 e 0,710 para detecção de COVID-19, dependendo do conjunto de dados em que foi testado, e uma pontuação de 0,739 para tuberculose.
Esses resultados mostram um desempenho melhor do que os modelos existentes treinados em dados de fala ou áudio geral, destacando o potencial do HeAR para melhorar o diagnóstico e monitoramento de doenças respiratórias.
Potenciais benefícios para a saúde pública
- Diagnóstico precoce e preciso: uma das principais vantagens do HeAR é sua capacidade de diagnosticar doenças com base em sinais de áudio, como tosse. Isso pode permitir um diagnóstico mais precoce e preciso, possibilitando um tratamento mais eficaz e reduzindo o risco de complicações.
- Monitoramento remoto da saúde: além do diagnóstico, o HeAR também pode ser utilizado para monitorar a saúde de forma remota. Por exemplo, ele pode ser integrado a dispositivos vestíveis para acompanhar a evolução de condições crônicas, como doenças pulmonares, sem a necessidade de visitas frequentes ao médico.
Outras pesquisas relacionadas
Além do estudo liderado pelos cientistas do Google, outras pesquisas também têm explorado o uso de sons humanos, como tosse e respiração, para diagnóstico e monitoramento de doenças. Saiba mais:
Estudo de Santosh (2024)
Um estudo recente conduzido por Santosh, disponível como pré-impressão no PeerJ, investigou a detecção da COVID-19 através da tosse de uma pessoa. Esse estudo apresenta resultados promissores que corroboram a importância do campo emergente do uso do áudio na saúde.
LEIA MAIS: Como evitar o superaquecimento do celular? 6 dicas importantes para seguir!
Estudo de Imran (2020)
Outro estudo relevante, realizado por Imran, publicado na revista Informatics in Medicine Unlocked em 2020, desenvolveu uma aplicação chamada AI4COVID-19. Essa ferramenta se mostrou promissora na distinção entre a tosse causada pela COVID-19 e outros tipos de tosse, destacando o potencial das técnicas de análise de áudio para diagnóstico de doenças respiratórias.
Perspectivas futuras
Embora o HeAR ainda esteja em fase de desenvolvimento e pesquisa, suas aplicações promissoras sugerem um futuro emocionante para a medicina baseada em inteligência artificial. Com mais estudos e colaborações entre pesquisadores e profissionais da saúde, podemos esperar avanços significativos no diagnóstico e tratamento de doenças. Muito interessante, não é mesmo?
