Health Acoustic Representations (HeAR) est un modèle d’intelligence artificielle développé par Google Research pour aider les chercheurs à détecter les maladies en analysant les sons à partir de la toux, de la respiration ou de la voix.
De la toux à la parole en passant par la respiration, les sons que produit notre corps sont remplis d’informations sur notre santé. « Des indices subtils cachés dans ces sons bioacoustiques ont le potentiel de révolutionner la manière dont nous dépistons, diagnostiquons, surveillons et gérons une large gamme de conditions de santé comme la tuberculose (TB) ou la maladie pulmonaire obstructive chronique BPCO », indiquent les chercheurs en affirmant que « nous reconnaissons le potentiel du son comme un signal de santé utile, et également que les microphones de smartphone sont largement accessibles. À cette fin, nous avons exploré des moyens d’utiliser l’IA pour extraire des informations sur la santé à partir de données acoustiques.
Le modèle HeAR est un modèle de base bioacoustique conçu pour aider les chercheurs à construire des modèles capables d’écouter les sons humains et de signaler les premiers signes de maladie ont -ils expliqué. HeAR a été formé à partir de 300 millions d’échantillons audio anonymisés et diversifiés, avec un focus particulier sur la toux, dont 100 millions de sons ont été utilisés pour affiner la détection des maladies respiratoires fait savoir la même source. HeAR se classe plus haut que les autres modèles sur une large gamme de tâches et pour la généralisation à travers les microphones, démontrant ainsi sa capacité supérieure à capturer des motifs significatifs dans les données acoustiques liées à la santé.
Un des points forts du modèle réside dans le fait qu’il nécessite moins de données d’entraînement pour offrir des résultats fiables, un atout précieux dans le domaine de la recherche médicale, où les données sont souvent limitées.
L’équipe de recherche de Google signale que HeAR est maintenant disponible pour les chercheurs afin d’aider à accélérer le développement de modèles bioacoustiques personnalisés avec moins de données, de configuration et de calcul.
La tuberculose est une maladie qui peut être soignée, cependant, chaque année, des millions de cas sont négligés – souvent en raison du manque d’accès aux services de santé. Il est essentiel d’améliorer la détection afin de lutter contre la tuberculose, et l’intelligence artificielle peut jouer un rôle crucial dans l’amélioration de la détection et contribuer à rendre les soins plus accessibles et abordables pour les individus du monde entier.
Sujay Kakarmath, chef de produit chez Google Research travaillant sur HeAR estime que « Chaque cas de tuberculose manqué est une tragédie ; chaque diagnostic tardif, un chagrin », Les biomarqueurs acoustiques offrent le potentiel de réécrire cette narrative. Je suis profondément reconnaissant pour le rôle que HeAR peut jouer dans ce voyage transformateur.
La tuberculose est une maladie traitable, mais chaque année, des millions de cas ne sont pas diagnostiqués — souvent parce que les gens n’ont pas un accès pratique aux services de santé. Améliorer le diagnostic est crucial pour éradiquer la tuberculose, et l’IA peut jouer un rôle important dans l’amélioration de la détection et aider à rendre les soins plus accessibles et abordables pour les personnes du monde entier. Swaasa® a une histoire d’utilisation de l’apprentissage automatique pour aider à détecter les maladies tôt, comblant le fossé avec l’accessibilité, l’abordabilité et l’évolutivité en offrant une évaluation de la santé respiratoire indépendante de la localisation et sans équipement. Avec HeAR, ils voient une opportunité d’étendre le dépistage de la tuberculose plus largement à travers l’Inde en s’appuyant sur cette recherche.
« Chaque cas de tuberculose manqué est une tragédie ; chaque diagnostic tardif, un chagrin », déclare Sujay Kakarmath, chef de produit chez Google Research travaillant sur HeAR. Les biomarqueurs acoustiques offrent le potentiel de réécrire cette narrative. Je suis profondément reconnaissant pour le rôle que HeAR peut jouer dans ce voyage transformateur.
Nous voyons également du soutien pour cette approche de la part d’organisations telles que le Partenariat StopTB, une organisation hébergée par les Nations Unies qui réunit des experts en tuberculose et des communautés touchées dans le but de mettre fin à la tuberculose d’ici 2030.
« Des solutions comme HeAR permettront à l’analyse acoustique alimentée par l’IA de faire des percées dans le dépistage et la détection de la tuberculose, offrant un outil potentiellement peu invasif et accessible à ceux qui en ont le plus besoin », a déclaré Zhi Zhen Qin, spécialiste de la santé numérique au Partenariat Stop TB.
HeAR représente une avancée significative dans la recherche sur la santé acoustique. Nous espérons faire progresser le développement de futurs outils de diagnostic et de solutions de surveillance dans les domaines de la tuberculose, de la poitrine, des poumons et d’autres maladies, et contribuer à améliorer les résultats de santé pour les communautés du monde entier grâce à notre recherche.
D.K
