Η «έξυπνη» εφαρμογή είναι μάλιστα πιο ακριβής, σύμφωνα με τους δημιουργούς της, σε σχέση με τα γρήγορα τεστ αντιγόνου, ενώ επίσης είναι φθηνή, γρήγορη και εύχρηστη, πράγμα που σημαίνει ότι θα μπορούσε να αξιοποιηθεί ιδιαίτερα σε περιοχές και χώρες όπου υπάρχει δυσκολία πρόσβασης σε μοριακά τεστ χαμηλού κόστους.
Οι ερευνητές του Ινστιτούτου Επιστήμης των Δεδομένων του Πανεπιστημίου του Μάαστριχτ, με επικεφαλής τη Γουαφάα Αλιμπάουι και τον καθηγητή πνευμονολογίας Σάμι Σίμονς, έκαναν τη σχετική ανακοίνωση στο διεθνές συνέδριο της Ευρωπαϊκής Πνευμονολογικής Εταιρείας στη Βαρκελώνη. Ανέφεραν ότι η εφαρμογή έχει ακρίβεια 89% (ευαισθησία) στη σωστή φωνητική διάγνωση θετικού περιστατικού Covid-19 (έναντι περίπου 56% ενός γρήγορου τεστ) και 83% στη σωστή διάγνωση ενός αρνητικού περιστατικού (ειδικότητα), ενώ είναι σαφώς καλύτερη από ό,τι τα "γρήγορα" τεστ στις περιπτώσεις ασυμπτωματικών ανθρώπων.
«Με την έξυπνη εφαρμογή μας θα χάναμε μόνο 11 στις 100 περιπτώσεις Covid-19, που μετά θα εξάπλωναν τη λοίμωξη, ενώ το γρήγορο τεστ πλευρικής ροής θα έχανε 44 στις 100», δήλωσε η Αλιμπάουι.
«Τα πολύ ενθαρρυντικά αποτελέσματα μας δείχνουν ότι οι απλές ηχογραφήσεις της φωνής και η ανάλυση τους με αλγόριθμους τεχνητής νοημοσύνης μπορούν να πετύχουν υψηλή ακρίβεια στην ανίχνευση των ασθενών με λοίμωξη Covid-19. Τέτοια 'τεστ' μπορούν να γίνουν χωρίς κανένα κόστος και είναι απλά στην ερμηνεία τους. Επιπλέον, επιτρέπουν τον εξ αποστάσεως έλεγχο και βγάζουν αποτέλεσμα σε λιγότερο από ένα λεπτό. Θα μπορούσαν π.χ. να χρησιμοποιηθούν στα σημεία εισόδου μεγάλων συναθροίσεων, καθιστώντας εφικτό τον γρήγορο μαζικό έλεγχο του πληθυσμού», πρόσθεσε.
Η Covid-19 συνήθως επηρεάζει την ανώτερη αναπνευστική οδό και τις φωνητικές χορδές, οδηγώντας έτσι σε αλλαγές στη φωνή ενός ανθρώπου. Η νέα εφαρμογή εγκαθίσταται στο κινητό τηλέφωνο του χρήστη και αρχικά ζητά την ενημέρωση της με βασικές πληροφορίες (δημογραφικές, ιατρικό ιστορικό, κάπνισμα κ.α.). Μετά ζητά από τον χρήστη να βήξει τρεις φορές, να αναπνεύσει βαθιά από το στόμα τρεις έως πέντε φορές και να διαβάσει φωναχτά κοντά στην οθόνη μια σύντομη πρόταση τρεις φορές. Στη συνέχεια μια τεχνική ανάλυσης φωνής (Mel-spectrogram) εντοπίζει τα διαφορετικά χαρακτηριστικά κάθε φωνής, ενώ ένα μοντέλο τεχνητής νοημοσύνης (Long-Short Term Memory -LSTM) που βασίζεται σε νευρωνικά δίκτυα, ξεχωρίζει την ιδιαίτερη φωνή ενός ατόμου από την αλλοίωση της λόγω Covid-19.
Μέλος του μητρώου
