Am Massachusetts Institute of Technology (MIT) wird derzeit an einer künstlichen Intelligenz gearbeitet, die an Covid-19 erkrankte Personen am Hustengeräusch erkennen können soll. In ersten Tests konnte die KI bereits überzeugen.
Trefferquote: 100 Prozent bei Asymptomatischen
So lag ihre Trefferquote bei symptomatisch erkrankten Personen immerhin bei 98,5 Prozent. Der echte Durchbruch soll jedoch in der Erkennung asymptomatischer Fälle liegen, also bei Personen, die noch keine Symptome zeigen, aber dennoch an Covid-19 erkrankt sind. Korrekt müssten wir diese Personengruppe als präsymptomatisch bezeichnen.
In diesem Personenkreis konnte die KI in den Tests ausnahmslos alle Erkrankten korrekt erkennen. Das klingt eigentlich zu gut, um wahr zu sein, hat aber einen nachvollziehbaren Hintergrund: Wie die Forscher herausfanden, gebe es messbare Unterschiede im Hustengeräusch, die für das menschliche Ohr nicht wahrzunehmen sind. So ließe sich der Husten eines Covid-19-Erkrankten selbst dann korrekt von dem eines Gesunden unterscheiden, wenn dieser den Husten, da noch keine Symptome vorlägen, erzwingen müsste. Diese leichten Veränderungen könne die KI eindeutig erkennen, so das MIT in einem im IEEE Open Journal of Engineering in Medicine and Biology veröffentlichten Aufsatz.
Hustendatenbank im Aufbau
Über eine Website hatten die Forscher zwischen April und Mai 2020 über 5.000 Aufzeichnungen gesammelt. Die Website nimmt auch aktuell noch Aufzeichnungen entgegen.
Die KI konzentriert sich bei der Erkennung auf bestimmte akustische Biomarker, die sie aus rund 4.000 im Training genutzten Datensätzen extrahiert hatte. Im anschließenden Erkennungslauf über weitere rund 1.000 Datensätze konnten alle asymptomatischen und immerhin 98,5 Prozent der symptomatisch Erkrankten differenziert werden. Das bestätigt die Forscher in ihren Hypothesen.
Smartphone-App soll mehr Freiheit ermöglichen
Nun soll eine Smartphone-App entwickelt werden, die das Konzept auf die Straße bringt. Nach Vorstellung des MIT könnte die App dann zum Beispiel zur Zugangskontrolle an Orten, an denen viele Menschen zusammenkommen, so etwa in Bildungseinrichtungen oder in Unternehmen, eingesetzt werden.
Der Vorteil gegenüber anderen Testverfahren scheint eindeutig: Egal, ob PCR- oder Bluttest, das Ergebnis lässt stets mindestens eine halbe Stunde, wenn nicht ein paar Tage auf sich warten. Der Smartphone-Test soll sein Ergebnis praktisch verzögerungsfrei liefern. Und das unangenehme Abstreichen der Nasen- oder Rachenschleimhaut bleibt ebenfalls aus.
Ein erster Einblick in die Möglichkeiten, die der Einsatz von KI für die Medizin bringt.
Einfach faszinieren.
Wäre heute der 1. April gewesen, dann hätte ich gesagt: ein gelungener Witz. Wenn man die 4000 Datensätze fürs Training und die große Menge an Begleitfaktoren (Geschlecht, Alter, Gewicht, Körperbau usw.) betrachtet, dann wirkt die Meldung sehr unseriös. Noch ein anderer Punkt wirkt unrealistisch – die Testergebnisse. Diese sind einfach zu gut…
Gerne das wissenschaftliche Papier runterladen und fundierte Kritik im Review-Prozess einbringen.
Ich sehe ein, Ihr Kritikpunkt ist durchaus angebracht. Ich habe das Paper mir angeschaut und möchte meinen Standpunkt und die Intention etwas ausführlicher darlegen.
Ich finde es grundsätzlich spannend, dass man im Bereich Infektionserkennung die KI einsetzt, möchte aber die Erwartungshaltung dazu auf ein realistischeres Niveau bringen. Das Paper beschreibt einen Ansatz, welcher durchaus erfolgreich sein kann, dies aber noch nicht wirklich bewiesen hat. Der Umfang der Untersuchung ist noch zu klein, um das Versprechen 100% der asymptomatisch Erkrankten zu erkennen in die Welt zu setzen. Das liegt insbesondere an den Daten:
1. Die Qualität der Angaben an sich lässt sich nicht beziffern (Benutzerangaben auf der Seite)
2. Von den 2660 Positivfällen sollen nur 475 (ca. 18 %) offiziell getestet worden sein, bei den 2660 Negativfällen sind es 224 (ca. 8 %). Der Rest sind Einschätzungen (vor allem eigene).
3. Weitere mögliche Erkrankung wird nicht abgefragt (Erkältung, Asthma, Bronchitis usw.)
4. Es gibt keine Bereinigung um die möglichen mehrfachen Audioaufnahmen einer Person.
4a. Gerade deswegen kann man nicht abschätzen, wie viele von den Aufnahmen von gleichen Personen im Test- und im Trainingset vorhanden sind, was aber kritisch für die Auswertung wäre.
Im Paper werden noch weitere Kritikpunkte diskutiert, auf die ich näher eingehen möchte.
Die Wissenschaftler führen gerade eine klinische Studie mit mehreren Teilnehmern durch. Auf deren Ergebnisse bin ich sehr gespannt.