据媒体报道，近日，在西班牙巴塞罗那举行的欧洲呼吸学会国际会议上公布的一项研究显示，AI可通过手机应用程序从人们声音中检测出新冠肺炎感染，其准确率达到89%。

新冠肺炎感染通常会影响上呼吸道和声带，导致一个人的声音发生变化。荷兰马斯特里赫特大学数据科学研究所研究员瓦法阿·阿尔杰巴维解释说，研究结果表明，简单的语音记录和AI算法能精确确定哪些人感染新冠肺炎。

根据News Medical的报告，本研究中使用的AI模型比快速抗原检测更便宜、更快、更易于使用，非常适用于PCR检测昂贵的低收入国家。

此外，这个AI还有一个更厉害的地方——准确率更高。比起快速抗原测试，它的准确率能达到89%。

准确率达89%，研究团队使用了来自英国剑桥大学「新冠肺炎声音库」APP的数据，该应用程序包含来自4352名健康和非健康参与者的893个音频样本。

该应用程序安装在用户的手机上，参与者报告关于人口统计、病史和吸烟状况的基本信息，然后被要求记录一些声音，包括咳嗽3次，用嘴巴深呼吸3—5次，以及在屏幕上读一小句话3次。

研究人员使用了一种名为梅尔谱图的语音分析技术，该技术可识别不同的语音特征，如响度、功率和随时间的变化情况。

为了区分新冠肺炎患者和没有患病的人的声音，研究人员建立了不同的AI模型。他们发现，长短期记忆（LSTM）模型在对新冠肺炎病例进行分类方面做得最好。LSTM基于神经网络，它模仿人脑的运作方式并识别数据中的潜在关系。它还能将数据存储在内存中。

这种AI-LSTM模型的总体准确率为89%，正确检测阳性病例的能力（真阳性率或敏感性）为89%，正确识别阴性病例的能力（真阴性率或特异度）为83%。

这些结果表明，与横向流动测试等最先进的测试相比，LSTM模型诊断 COVID-19 的准确性有了显着提高。

比较结果可以用一句话总结：LSTM模型对于阳性的识别率更高，但是也更容易把阴性误诊为阳性。

目前，研究人员还在进一步验证他们的结果。他们使用了大量数据。自实验开始以来，他们已经收集了来自36,116个人的53,449个音频样本，可用于增强和验证模型的准确性。另外，他们还在进行其他研究，来确定还有哪些语音的因素会影响 AI 模型。