غوغل تطور أداة للتعلم الآلي تساعد على تشخيص مرضك عبر تقييم سعالك وتنفسك
الذكاء الاصطناعي داخلٌ إلى الطب من بابه العريض، والتشخيص الطبي سيصبح بيد الآلة والروبوتات في المستقبل غير البعيد.
هذه البشرى أعلنت عنها شركة غوغل، بعدما قام فريق بقيادة علمائها بتطوير أداة للتعلم الآلي يمكنها المساعدة في اكتشاف الحالات الصحية ومراقبتها من خلال تقييم الضوضاء مثل السعال والتنفس.
لذا قد يستخدم الأطباء نظام الذكاء الاصطناعي (AI)، الذي تم تدريبه على ملايين المقاطع الصوتية للأصوات البشرية، يومًا ما لتشخيص الأمراض بما في ذلك كوفيد-19 والسل، بالإضافة إلى تقييم مدى كفاءة عمل رئتي الشخص.
قد يتفاجأ البعض لدى قراءة هذه السطور، لكن في الوقاع هذه ليست المرة الأولى التي تستكشف فيها مجموعة بحثية استخدام الصوت كمؤشر حيوي للمرض، فهذا المفهوم اكتسب اهتمامًا كبيرًا خلال جائحة كوفيد-19، عندما اكتشف العلماء أنه من الممكن اكتشاف أمراض الجهاز التنفسي من خلال سعال الشخص.
لكن الجديد في نظام غوغل، الذي يطلق عليه اسم Health Acoustic Representations (HeAR)، هو مجموعة البيانات الضخمة التي تم تدريبه عليها، وحقيقة أنه يمكن ضبطها بدقة لأداء مهام متعددة.
ويقول الباحثون، الذين أعلنوا عن الأداة في وقت سابق من هذا الشهر في نسخة أولية لم تتم مراجعتها بعد، إنه من السابق لأوانه معرفة ما إذا كان HeAR سيصبح منتجًا تجاريًا.
في الوقت الحالي، تهدف الخطة إلى منح الباحثين المهتمين إمكانية الوصول إلى النموذج حتى يتمكنوا من استخدامه في تحقيقاتهم الخاصة. وفي هذا السياق، قال سوجاي كاكارماث، مدير المنتجات في غوغل في مدينة نيويورك والذي عمل في المشروع: “هدفنا كجزء من أبحاث غوغل هو تحفيز الابتكار في هذا المجال الناشئ”.
كيف يتم التدريب؟
يتم تدريب معظم أدوات الذكاء الاصطناعي التي يتم تطويرها في هذا المجال على تسجيلات صوتية خاصة بالسعال على سبيل المثال، مقترنةً بمعلومات صحية عن الشخص الذي أصدر الأصوات.
ويتم تصنيف المقاطع للإشارة إلى أن الشخص كان مصابًا بالتهاب الشعب الهوائية في وقت التسجيل. فتأتي الأداة لربط ميزات الأصوات بملصق البيانات، في عملية تدريب تسمى التعلم الخاضع للإشراف.
وحول هذا الأمر، يقول يائيل بنسوسان، اختصاصي الحنجرة في جامعة جنوب فلوريدا في تامبا: “في الطب، تقليديًا، كنا نستخدم الكثير من التعلم الخاضع للإشراف، وهو أمر رائع لأنه يكون لديك فاعلية السريرية”. وأضاف: “الجانب السلبي هو أنه يحد حقًا من مجموعات البيانات التي يمكنك استخدامها، نظرًا لوجود نقص في مجموعات البيانات المشروحة.”
وبدلاً من ذلك، استخدم باحثو غوغل التعلم الخاضع للإشراف الذاتي، والذي يعتمد على بيانات غير مصنفة. ومن خلال عملية آلية، استخرجوا أكثر من 300 مليون مقطع صوتي قصير للسعال والتنفس وتطهير الحلق وأصوات بشرية أخرى من مقاطع فيديو YouTube المتاحة للجمهور.
وتم تحويل كل مقطع إلى تمثيل مرئي للصوت يسمى المخطط الطيفي spectrogram. ثم قام الباحثون بحجب أجزاء من المخططات الطيفية لمساعدة النموذج على تعلم التنبؤ بالأجزاء المفقودة. وهذا مشابه لكيفية تعليم نموذج اللغة الكبير الذي يقوم عليه برنامج chatbot ChatGPT للتنبؤ بالكلمة التالية في الجملة بعد تدريبه على عدد لا يحصى من الأمثلة من النص البشري. باستخدام هذه الطريقة، أنشأ الباحثون ما يسمونه النموذج الأساسي، والذي يقولون إنه يمكن تكييفه للعديد من المهام.
ما مدى دقّة هذا النموذج؟
في حالة HeAR، قام فريق Google بتعديله للكشف عن فيروس كورونا (COVID-19) والسل وخصائص مثل ما إذا كان الشخص مدخنًا. نظرًا لأنه تم تدريب النموذج على مجموعة واسعة من الأصوات البشرية، لضبطه بشكل دقيق، لم يكن على الباحثين سوى تزويده بمجموعات محدودة جدًا من البيانات المصنفة بهذه الأمراض والخصائص.
وفي ما يخص دقة هذا لالنموذج وفعاليته، تبيّن أنه على مقياس حيث يمثل 0.5 نموذجًا يؤدي فيه بأفضل أداء إلى التنبؤ العشوائي ويمثل 1 نموذجًا يقوم بتنبؤ دقيق في كل مرة، سجلت نموذج غوغل (HeAR ) 0.645 و0.710 للكشف عن كوفيد-19، اعتمادًا على مجموعة البيانات التي تم اختبارها عليها.
وتعد هذه النتائج، أداء أفضل من النماذج الموجودة المدربة على بيانات الكلام أو الصوت العام. وبالنسبة لمرض السل، كانت النتيجة 0.739.
ويقول كاكارماث إن حقيقة أن بيانات التدريب الأصلية كانت شديدة التنوع – مع اختلاف جودة الصوت والمصادر البشرية – تعني أيضًا أن النتائج قابلة للتعميم.
إلى ذلك، أكّد علي عمران، المهندس بجامعة أوكلاهوما في تولسا، إن الحجم الهائل للبيانات التي تستخدمها غوغل يضفي أهمية على البحث. وقال: “إن ذلك يمنحنا الثقة بأن هذه أداة موثوقة”.
ويقود عمران عملية تطوير تطبيق يسمى AI4COVID-19، والذي أظهر نتائج واعدة في التمييز بين سعال كوفيد-19 وأنواع السعال الأخرى.
ويخطط فريقه لتقديم طلب للحصول على موافقة إدارة الغذاء والدواء الأمريكية (FDA) حتى يتمكن التطبيق في النهاية من الانتقال إلى السوق؛ وهو يسعى حاليًا للحصول على تمويل لإجراء التجارب السريرية اللازمة. حتى الآن، لا توجد أداة معتمدة من إدارة الغذاء والدواء الأمريكية توفر التشخيص من خلال الأصوات.
وبالتالي يبدو أن مجال الصوتيات الصحية، أو “السمعيات”، يعد مجالًا واعدًا. وقال بنسوسان “إن العلوم الصوتية موجودة منذ عقود. الأمر المختلف هو أنه الآن، مع الذكاء الاصطناعي والتعلم الآلي، لدينا الوسائل اللازمة لجمع وتحليل الكثير من البيانات في نفس الوقت.
وأضاف: “هناك إمكانات هائلة ليس فقط للتشخيص، ولكن أيضًا للفحص” والمراقبة. وشدد على أنه “لا يمكننا تكرار عمليات الفحص أو الخزعات كل أسبوع. ولهذا السبب يصبح الصوت مؤشرًا حيويًا مهمًا لرصد الأمراض.”