在某些疾病的早期階段，或許只有非常有限的微小證據能夠表明健康情況正在發生變化，但仍可能存在著一些微妙的線索。最近的兩項研究表明，人工智能算法可以成功地分析人們的聲音，以識別帕金森氏病早期或肺部嚴重新冠肺炎感染者。研究人員將這些算法整合到一款名為Aum的智能手機應用程序中，該應用程序可用于診斷和監測各自的狀況。

澳大利亞皇家墨爾本理工學院（RMIT）教授Dinesh Kumar參與了這兩項研究，他解釋說：“臨床醫生經常使用人們的聲音來評估患者，尤其是神經退行性疾病，如帕金森氏病（Parkinson’s disease）和肺部疾病，無論是新型冠狀病毒肺炎（COVID-19）還是其他肺部疾病。這種[方法]不僅是為了檢測疾病，而且是為了評估藥物的效果并優化劑量。”

Kumar和他的同事試圖探索機器學習算法是否可以檢測到人聲音中的這些細微之處。在他們的第一項研究中，他們招募了36名帕金森病患者和36名健康志愿者。重要的是，人們的聲音之間存在著天然的差異，這可能會導致很難區分哪些人患有或不患有潛在的疾病。Kumar解釋道：“為了克服這個問題，我們尋找了能夠檢測出疾病的非語言聲音，盡管人們的聲音存在自然差異。”

因此，他的團隊要求研究參與者說出不同的音素，這些音素需要從喉嚨（/a/）、嘴巴（/o/）和鼻子（/m/）發出聲音。錄音是使用基于iOS的智能手機進行的。然后，他們開發并應用了一種機器學習算法，該算法可以區分帕金森氏癥患者和健康志愿者，而無需考慮環境背景噪聲。在9月12日發表于IEEE Access的研究中，他們報告稱，該算法可以100%準確地識別研究人群中患有帕金森氏癥的人。

Kumar指出：“更重要的是，我們可以區分服用活性藥物和不服用活性藥物的帕金森病。這非常重要，因為即使患者無法前往診所，神經科醫生也可以評估患者，因此非常適用于居住在偏遠地區的人。”

2021年6月和7月，這項初步研究的研究人員之一、RMIT副教授Nemuel Pah有機會對印尼的新型冠狀病毒肺炎患者進行了類似的研究。在這種情況下，Pah在22天的過程中記錄了40名住院新型冠狀腺炎患者和48名健康受試者，要求他們說出六個音素（/a/、/e/、/i/、/o/、/u/和/m/）。

研究人員隨后將不同的機器學習算法應用于該數據，發現入院后前三天從元音/i/中提取的特征在區分新冠肺炎肺部感染者和健康對照者方面最有效。該算法以94%的準確率實現了這一目標。這些結果于9月20日發表在《IEEE健康與醫學轉化工程雜志》上。

Kumar說，使用應用程序識別新冠肺炎患者的一個優點是，語音記錄不需要醫生與患者進行身體接觸，因此是限制接觸的合適方法。“語音記錄可以從遠程患者那里獲得，”他說，并指出這種音素分析方法也不依賴于語言。

Kumar說，他的團隊有興趣在現實世界中應用這些方法，但還需要做更多的工作。具體來說，他們正在尋求向澳大利亞藥品管理局、美國食品和藥物管理局（FDA）和中國國家醫藥產品管理局（National Medical Products Administration）注冊他們的技術。Kumar說：“這需要時間和金錢；我們希望從關注帕金森病的（人和）組織，如Michael J. Fox或投資者那里獲得資金。”

審核編輯 ：李倩