日前在医学与生物工程杂志(IEEE Open Journal of Engineering in Medicine and Biology)预印刊物发布了一篇论文：
COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings 报道了麻省理工学院（MIT）研究团队利用AI开发了一种无症状感染检测新方法。该方法检测你是否患有新冠病毒，只需要你咳嗽一声。
论文网址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9208795
基于人工神经网络算法，在他们自行建立的迄今为止最大的咳嗽数据集测试，对于无症状感染者的诊断准确率可达到100%。
MIT研究团队已经与一家企业展开合作，计划将该AI算法整合到手机应用程序中。项目负责人布莱恩·苏比拉纳（Brian Subirana）表示：
如果每个人在去教室，工厂或餐厅之前都使用该AI诊断工具，将会有效减少新冠大流行的传播。”
▲ 论文简介
为了提高新冠肺炎检测的准确率，需要选择好的AI模型以及搜集用于训练模型的大量数据。为此，从今年4月MIM研究人员就建立了一个公开的咳嗽手机网站。允许所有人通过网络浏览器、手机或者笔记本电脑等设备自愿提交咳嗽录音。
▲ MIT收集咳嗽网站
网站地址：https://opensigma.mit.edu/
截止测试前，该网站收集了超过7万个录音，每段录音中有几次咳嗽，约有20万份咳嗽音频样本。其中，2500多个样本是由已经确诊患者提交的，包括那些无症状感染者。
Subirana称：“在医疗领域，这是迄今为止最大的咳嗽数据集”。
▲ 调查问卷
在选择合适的AI模型上，MIT研究团队利用了他们在利用声音辨别阿川兹海默症（AD）早期患者的经验，设计了一个集成有三个模型的神经网络结构。下图来自他们论文中的对于网络结构的示意图，其中酱红色部分显示了三个神经网络模型组成。
▲ 新冠病毒AI检测模型结构
第一个神经网络代表一个人声带的强弱，利用有声读物数据集（含1000h语音）进行训练；
第二神经网络用来区分言语中的情绪状态。据了解，AD患者的神经功能衰退较一般人更为普遍，经常会表现出沮丧、悲伤等负面情绪。因此，研究人员利用演员表达不同情绪的大型语音数据集，开发了情绪语音分类器。
第三个神经网络在自建的咳嗽数据集上训练，用来辨别肺和呼吸功能的变化。
▲ 实验数据结果
最后将三种模型结合起来，形成了一个用于检测肌肉退化的AI框架。研究人员经过检测发现，基于声带强度、情绪、肺和呼吸功能等生物特征，基于该模型来诊断COVID-19。
▲ 模型检测ROC指标
需要强调的是，该AI模型的优势不在于检测有症状的新冠患者。
这一点Subirana在论文中也明确强调。他说，不管他们的症状是由COVID-19还是其他症状（如流感或哮喘）引起的。该工具的优势在于它能够分辨无症状感染者的咳嗽和健康人的咳嗽。
看完他们的文章，我还专门到他们的网站咳嗽了几声，测试一下自己的检测结果，谁知…