產(chǎn)業(yè)丨谷歌進(jìn)場，F(xiàn)DA首批，聲學(xué)標(biāo)志物AI進(jìn)展加速

作者 | 方文三

人體器官的物理結(jié)構(gòu)會隨著生理和病理狀態(tài)的變化而改變，這導(dǎo)致不同疾病患者發(fā)出的聲音以及器官自身發(fā)聲產(chǎn)生特異性變化，這些聲音特征可以作為疾病的[聲音標(biāo)志物]。

聲學(xué)標(biāo)志物應(yīng)用于臨床的可行性提高

一個簡單的例子是，感冒患者的聲音會變得沙啞，這便是聲音特征變化的一種體現(xiàn)。

隨著數(shù)字時代的到來，聽診器這一擁有超過兩百年歷史的醫(yī)療工具煥發(fā)了新的生機(jī)。

數(shù)字聽診器通過電子技術(shù)將聲波轉(zhuǎn)換為高精度的數(shù)字化電信號，并經(jīng)過放大與處理，實現(xiàn)了比傳統(tǒng)聽診器更為清晰的聲音輸出。

加之人工智能技術(shù)的迅猛發(fā)展，將生物聲學(xué)標(biāo)志物應(yīng)用于臨床的可行性正逐漸從[遙不可及]轉(zhuǎn)變?yōu)閇觸手可及]。

然而，這一進(jìn)程并非一帆風(fēng)順。環(huán)境噪聲等外部因素會對音頻信號造成干擾，影響到咳嗽音特征的提取與分析。

受限于硬件性能，過去難以捕捉到高質(zhì)量的聲音信號。

值得慶幸的是，傳感器技術(shù)的快速進(jìn)步有效彌補了這一缺陷。

新一代電子聽診器采用壓電陶瓷傳感器作為拾音部件，相較于以往產(chǎn)品，其信號質(zhì)量和頻率響應(yīng)曲線更為優(yōu)異，能夠提供更準(zhǔn)確、清晰的心肺音信號，進(jìn)而精確獲取用戶的健康數(shù)據(jù)。

更為關(guān)鍵的是，智能手機(jī)作為聲音標(biāo)志物采集設(shè)備，在經(jīng)歷了多年的激烈競爭和技術(shù)革新后，其麥克風(fēng)拾音性能普遍有了顯著提升，足以滿足基本的音頻信號采集需求。

在克服了硬件障礙之后，聲學(xué)標(biāo)志物的發(fā)展正步入快車道。

谷歌大模型下場，進(jìn)入聲學(xué)標(biāo)志物AI領(lǐng)域研究

今年初，谷歌發(fā)布了名為Health Acoustic Representations（簡稱HeAR）的生物聲學(xué)基礎(chǔ)模型，該模型旨在協(xié)助研究人員開發(fā)出能夠通過監(jiān)聽人體聲音來識別早期疾病征兆的系統(tǒng)。

谷歌Research團(tuán)隊利用了一個包含三億條經(jīng)過去識別化處理的音頻數(shù)據(jù)集對HeAR進(jìn)行了訓(xùn)練，特別使用了一億條咳嗽聲音數(shù)據(jù)來訓(xùn)練咳嗽識別模型。

像HeAR這樣的解決方案，將使AI驅(qū)動的聲學(xué)分析在結(jié)核病篩查和檢測領(lǐng)域開辟新的可能性，為最需要的人群提供一種潛在的低成本、易于獲取的工具。

這項AI系統(tǒng)經(jīng)過對數(shù)百萬個音頻剪輯樣本的訓(xùn)練，未來有望輔助醫(yī)生診斷包括COVID-19和肺結(jié)核在內(nèi)的肺部疾病，并對個人的肺功能進(jìn)行評估。

HeAR的創(chuàng)新之處在于其使用的龐大訓(xùn)練數(shù)據(jù)集，以及其能夠針對多種不同任務(wù)進(jìn)行微調(diào)的能力。

在該領(lǐng)域開發(fā)的大多數(shù)人工智能工具都是通過音頻記錄進(jìn)行訓(xùn)練的，例如咳嗽的錄音，這些錄音與發(fā)出聲音者的健康信息相匹配。

例如，這些錄音片段可能會被標(biāo)記為錄音時該人患有支氣管炎。這些人工智能工具通過監(jiān)督學(xué)習(xí)（Supervised Learning）的訓(xùn)練過程，將聲音特征與數(shù)據(jù)標(biāo)簽相關(guān)聯(lián)。

而在本項研究中，谷歌的研究人員采用了自監(jiān)督學(xué)習(xí)（Self-supervised Learning），使用未標(biāo)記的數(shù)據(jù)，并通過自動化過程，從公開的YouTube視頻中提取了超過三億個咳嗽、呼吸、清喉嚨及其他人類聲音的短片段。

每個片段被轉(zhuǎn)換為聲音的視覺表示——頻譜圖。研究團(tuán)隊隨后對頻譜圖的片段進(jìn)行了屏蔽處理，以幫助模型學(xué)習(xí)預(yù)測缺失的部分。

這與聊天機(jī)器人ChatGPT的大型語言模型在經(jīng)過大量人類文本示例訓(xùn)練后學(xué)會預(yù)測句子中下一個單詞的過程類似。

利用這種方法，研究團(tuán)隊構(gòu)建了一個基礎(chǔ)模型，該模型能夠適應(yīng)多種不同的任務(wù)。

研究顯示，HeAR在多項任務(wù)中的平均表現(xiàn)超越了其他模型，尤其在跨麥克風(fēng)泛化能力方面，展現(xiàn)了其在捕捉與健康相關(guān)的聲學(xué)數(shù)據(jù)中的顯著模式識別能力。

基于HeAR訓(xùn)練的模型即使在數(shù)據(jù)量有限的情況下也能實現(xiàn)高性能，這對于醫(yī)療研究領(lǐng)域中數(shù)據(jù)稀缺的問題具有特別重要的意義。

HeAR現(xiàn)已向研究人員開放，目的是促進(jìn)定制化生物聲學(xué)模型的快速發(fā)展，即使在數(shù)據(jù)稀缺或面臨成本和計算能力限制的情況下，也能為特定疾病和人群的研究提供支持。

8月底，谷歌宣布了HeAR模型的第一個應(yīng)用項目，將與印度企業(yè)Salcit Technologies合作，將HeAR應(yīng)用于肺結(jié)核的早期篩查。

Eko人工智能算法獲FDA首批，進(jìn)一步加速產(chǎn)業(yè)發(fā)展

在今年五月，Eko公司宣布其與數(shù)字聽診器相輔相成的人工智能軟件——[Eko低射血分?jǐn)?shù)工具（eleft）]獲得了批準(zhǔn)。

這一軟件被認(rèn)定為美國食品藥品監(jiān)督管理局（FDA）批準(zhǔn)的首個能夠輔助進(jìn)行心力衰竭早期篩查的人工智能算法，標(biāo)志著醫(yī)學(xué)領(lǐng)域的一項重大創(chuàng)新，緊接著在6月完成了4100萬美元的D輪融資。

通過Eko的人工智能技術(shù)，醫(yī)生能夠在短短15秒內(nèi)，僅憑數(shù)字聽診器采集到的心音，檢測出心臟低射血分?jǐn)?shù)（亦稱心臟低EF值）——這一指標(biāo)反映了心臟的收縮泵血能力。

射血分?jǐn)?shù)降低型心力衰竭（HFrEF）是心力衰竭的主要類型之一。

據(jù)數(shù)據(jù)顯示，在美國超過六百萬的心力衰竭患者中，約有一半患有射血分?jǐn)?shù)降低型心力衰竭。

Eko的人工智能算法與配套的數(shù)字聽診器相結(jié)合，能夠識別心臟雜音，有望在最初的常規(guī)檢查中，盡早識別出射血分?jǐn)?shù)降低型心力衰竭患者。

被識別出的患者隨后可以接受進(jìn)一步的檢查，以便及時進(jìn)行干預(yù)。

在2020年至2023年期間，Eko公司還獲得了多款醫(yī)療器械的批準(zhǔn)，這些不僅包括升級版的數(shù)字聽診器，還包括能夠生成心音圖并對其進(jìn)行分析的人工智能算法。

其他企業(yè)也在該領(lǐng)域取得了實質(zhì)性進(jìn)展

另一家在業(yè)界享有盛譽的公司TytoCare，在去年8月完成了4900萬美元的融資。

其人工智能算法在7月底也獲得了FDA的進(jìn)一步批準(zhǔn)，該算法能夠檢測成人及兩歲以上兒童的肺部濕啰音，從而有助于早期發(fā)現(xiàn)潛在的肺部疾病。

除了肺結(jié)核，哮喘和慢性阻塞性肺疾病（慢阻肺）也是生物聲學(xué)標(biāo)志物研究的重點。

澳大利亞的Resapp Health在該領(lǐng)域有著長期的研究積累，并已在澳大利亞上市。

該公司旗下兩款產(chǎn)品之一——SleepCheckRx，用于識別阻塞性睡眠呼吸暫停，已獲得FDA批準(zhǔn)；

另一款產(chǎn)品ResAppDx則通過分析咳嗽和呼吸聲來輔助診斷肺部疾病，也已獲得CE認(rèn)證。

2022年底，制藥巨頭輝瑞以1.79億美元收購了Resapp Health。

例如，日本AMI（Acute Medical Innovation）旗下的AI聽診器，它能夠輔助識別瓣膜性心臟病（包括主動脈瓣狹窄）的早期征兆，在2022年10月獲得了日本醫(yī)療器械的審批。

TytoCare 在去年 8 月完成了 4900 萬美元的融資，其人工智能算法在 7 月底獲得了 FDA 的額外批準(zhǔn)，可用于檢測成人和兩歲以上兒童的肺部濕啰音。

韓國的研究人員運用了基于進(jìn)化深度學(xué)習(xí)的逆向設(shè)計技術(shù)，成功研發(fā)出一種先進(jìn)的聲學(xué)超材料。

釜山國立大學(xué)所開發(fā)的通風(fēng)聲學(xué)諧振器（VAR）超材料，具備了降低噪音與提供通風(fēng)的雙重功能。

傳統(tǒng)分析方法在處理形狀復(fù)雜的VAR時存在局限性，僅能實現(xiàn)基礎(chǔ)的參數(shù)設(shè)計。

釜山的研究團(tuán)隊創(chuàng)新性地開發(fā)了一種基于深度學(xué)習(xí)的逆向設(shè)計方法，該方法能夠靈活地設(shè)計復(fù)雜的非參數(shù)VAR，從而提升性能并降低計算成本。

在所提出的逆向設(shè)計方法中，條件變分自動編碼器（CVAE）——一種深度學(xué)習(xí)生成模型——對潛在空間中的VAR幾何特征進(jìn)行編碼。

潛在空間是一個低維空間，它包含了高維輸入（本例中為VAR）的核心信息。

這種聲學(xué)超材料的設(shè)計方法標(biāo)志著人工智能驅(qū)動的先進(jìn)制造（AM）以及其他復(fù)雜機(jī)械結(jié)構(gòu)設(shè)計領(lǐng)域邁出了關(guān)鍵性的一步。

這些企業(yè)的努力和成就共同推動了聲學(xué)標(biāo)志物 AI 領(lǐng)域的快速發(fā)展，使得這一新興領(lǐng)域展現(xiàn)出巨大的潛力和廣闊的應(yīng)用前景。

聲學(xué)標(biāo)志物AI在發(fā)展過程中面臨著一系列挑戰(zhàn)

①高質(zhì)量的音頻數(shù)據(jù)對于訓(xùn)練精準(zhǔn)有效的人工智能模型至關(guān)重要，但目前大多數(shù)醫(yī)療機(jī)構(gòu)尚未建立完善的音頻數(shù)據(jù)庫，這給模型的訓(xùn)練和優(yōu)化帶來了極大困難。

②由于聲音特征的復(fù)雜性和多變性，模型在不同環(huán)境和人群中的表現(xiàn)可能存在差異，導(dǎo)致結(jié)果的可靠性受到影響。此外，診斷準(zhǔn)確度的提升仍有很大空間。

盡管聲學(xué)標(biāo)志物AI展現(xiàn)出一定的潛力，但在面對復(fù)雜的疾病和個體差異時，仍可能出現(xiàn)誤診或漏診的情況。

③在通用音頻特征的基礎(chǔ)上，針對咳嗽的發(fā)聲特性以及特定疾?。ɡ绶谓Y(jié)核）的病理特征和癥狀表現(xiàn)，設(shè)計精準(zhǔn)的特定疾病患者咳嗽音的靶點特征，以實現(xiàn)對特定疾病患者與健康人群以及其他肺部疾病患者的精確區(qū)分，這一問題仍需解決。

④通常，模型訓(xùn)練所用的音頻數(shù)據(jù)較為理想，但在實際應(yīng)用中，需要識別的音頻信號會受到各種干擾，這會影響咳嗽音特征的提取和分析。

不同拾音設(shè)備的性能差異也可能導(dǎo)致咳嗽音頻質(zhì)量和特性發(fā)生變化，進(jìn)而影響模型的診斷結(jié)果。

由于音頻數(shù)據(jù)的采集及標(biāo)注都較為困難，這要求模型在少量精標(biāo)注數(shù)據(jù)的條件下仍然保持較好的檢測性能。

如何解決小樣本數(shù)據(jù)和復(fù)雜模型學(xué)習(xí)之間的矛盾，也是一個亟待解決的課題。

結(jié)尾：

在模型訓(xùn)練過程中，如何通過數(shù)據(jù)增強(qiáng)、噪聲抑制等方法減輕噪聲影響，利用領(lǐng)域泛化技術(shù)消除設(shè)備差異，從而提升診斷模型的魯棒性，將是提升生物聲學(xué)標(biāo)志物模型實際可用性的關(guān)鍵問題。

部分資料參考：

醫(yī)健網(wǎng)：《谷歌?AI用聲音數(shù)據(jù)預(yù)測健康風(fēng)險，讓聲音成為健康監(jiān)測新工具》，生物世界：《谷歌最新論文：用AI通過咳嗽聲來診斷疾病》，vb動脈網(wǎng)：《谷歌大模型下場，F(xiàn)DA完成首批，這個AI賽道起飛在即》，DeepTech深科技：《AI軟件通過患者咳嗽聲識別結(jié)核病，已通過3.3萬次自發(fā)咳嗽檢驗》，21dB聲學(xué)人：《聲學(xué)研究新進(jìn)展：AI創(chuàng)造聲學(xué)超材料》