驱动 OpenAI 等大型科技公司的大规模流行生成式人工智能模型所使用的底层技术，现在正被用于扫描肺部疾病的早期迹象。谷歌作为新人工智能模型领域的领导者之一，正与一家医疗保健初创公司合作，分析大量的咳嗽和打喷嚏音频数据，以在肺结核或其他呼吸道疾病恶化前检测出其迹象。这是 这项快速发展的技术正在迅速重塑整个医疗保健行业疾病早期检测方式 的众多途径之一。然而，一旦做出初步诊断，后续的治疗仍需要典型的临床专业知识。
谷歌的海量咳嗽和鼻塞音频数据库
今年早些时候，谷歌公布了一个他们称之为 Health Acoustics Representation (HeAR) 的新型医疗保健自监督深度学习模型。该模型接受了大约 3 亿个、时长两秒的音频片段的训练，这些片段包含人们咳嗽、打喷嚏、呼吸和吸鼻涕的声音。据 报道，这些多样化的音频样本是从全球非版权的公开数据中收集而来的。就规模而言，仅咳嗽模型就接受了 1 亿种不同咳嗽声音的训练。理论上，所有这些数据都应该显示出健康呼吸系统声音的模式。然后，经过训练的人工智能模型可以利用这些知识，在新提供的患者音频样本中寻找可能预示潜在健康风险的反常情况。
最近，谷歌在 一篇博客文章 中宣布，已开始与一家名为 Salcit Technologies 的印度呼吸系统医疗保健初创公司合作，将其研究成果应用于现实世界，以寻找肺结核的早期迹象。彭博社 本周报道了此次合作。Salcit 公司有一款名为 Swaasa 的产品，允许用户使用其移动设备的麦克风录制咳嗽音频文件。然后，人工智能模型会将该音频与咳嗽数据库进行比较，以查找这种致命但可治疗的疾病的指标。之后，患者可以决定是否寻求医生进行进一步治疗。通过将他们自己的模型与 HeAR 相结合，两家公司预计能够提高该产品在呼吸道疾病早期检测方面的有效性和准确性。据 报道，2022 年全球有 130 万人死于肺结核。印度 每年约占这些死亡人数的 25%。
人工智能的预测能力正在帮助医疗专业人员更快地检测各种疾病。研究已经表明，这些模型在 筛查可能未被发现的癌症肿瘤 方面可能非常有效。类似的模型也被用于寻找乳腺癌的早期迹象、寻找乳腺癌的早期迹象、近视 和 心脏病 的早期迹象。放射科医生已经在使用生成式人工智能工具来 加速医学影像分析的进程。人工智能在诊断方面的影响甚至可能超越了通常在晚年发现的慢性病。就在去年，路易斯维尔大学的研究人员 创建了一个人工智能系统，他们表示该系统可以分析幼儿的 MRI 扫描，以 98.5% 的准确率预测他们是否会被临床诊断为自闭症。
