Corona-Test per KI-Stimmerkennung

0
508
Mittels Analyse durch neuronale Netze soll die Anwendung der Uni Augsburg Covid-19-Erkrankungen ganz ohne Bluttest erkennen. (Foto: geralt, pixabay.com)

Das Prinzip ist nicht neu: Bereits seit Jahren arbeitet der Inhaber des Lehrstuhls für Embedded Intelligence for Health Care and Wellbeing an der Universität Augsburg, Prof. Dr. Björn Schuller, mit seinem Team an Systemen auf Basis der Künstlichen Intelligenz (KI) zur Stimmenanalyse an der Schnittstelle zwischen Informatik und Medizin. Schon im Jahr 2012 haben die Wissenschaftler Kehlkopfkrebs “gehört”, danach Autismus (2013), Parkinson (2015) und Erkältung (2016). Seit 2016 entwickelten Schuller und Team im RADARCNS Stimmenanalysen zur Diagnostik von großen Krankheitsbildern wie Depressionen oder Epilepsien. Mit Beginn der Corona-Pandemie hat sich aber auch in Augsburg das Forschungsfeld verändert: Im März 2020 erhielt das Entwickler-Team die Möglichkeit, zum aktuellen Covid-19-Virus zu forschen. Neues Ziel: Eine für niedergelassene Ärzte und Interessierte unkomplizierte Anwendung auf der Basis von Smartphone-Technologie zu entwickeln, die das Erkennen einer Covid-19-Infektion berührungslos, in Echtzeit und sogar auf Distanz ermöglichen kann.

Der Weg zur Corona-Spracherkennung

Im März begann so die Auswertung von Stimmaufnahmen aus Wuhan, die Schuller von chinesischen Kollegen erhielt. Insgesamt verarbeitete das Team zunächst etwa 50 Stimmen von Covid-19-Patienten und etwa 50 Stimmen von nicht infizierten Patienten. “Diese Auswertungen waren erste Lernbeispiele für unseren Computer. Je mehr Stimmen wir auswerten können, umso genauer kann die App später funktionieren”, erklärt der Informatikprofessor. “Inzwischen erhalten wir die Daten aus dem Universitätsklinikum Augsburg, leider muss man sagen”, erklärt der Wissenschaftler angesichts der hohen Inzidenzwerte im Corona-Hotspot Augsburg. Dennoch bringt die Zusammenarbeit viele Vorteile, so Schuller, denn anhand der sicheren Ursprungsdaten “lernt der Computer selber, worauf er achten muss, um Covid-19 und eben nicht Covid-19 voneinander unterscheiden zu können”. Inzwischen liege die Erfolgsquote der Spracherkennungs-App zur Covid-19-Erkennung bei über 80 Prozent, erklärt er. “Aber wir sind noch mitten in der Untersuchung, brauchen natürlich weitere Daten, also viele Stimmen sowohl von Covid-19-Erkrankten als auch von gesunden Vergleichskandidaten”.

Stimmvirtualisierung in neuronalen Netzen

Die App lernt mit tiefen neuronalen Netzen, die wesentlichen Merkmale in der Stimme zu repräsentieren, um dann anhand dieser eine Entscheidung zu treffen. So könne sie die Einflüsse der Krankheit aus dem Stimmbild heraushören, “etwa Kurzatmigkeit oder auch einfach Ermüdung und natürlich Husten oder ähnliches”, beschreibt Schuller. Die neuronalen Netze erlernen dabei, ähnlich wie im menschlichen Hirn, hochparallel Information zu verarbeiten. In Ebenen bilden sie das Sprachsignal mit zunehmender Komplexität ab und können nach dem Anlernen mit vielen Daten neue Probleme wie Covid-19 selbstständig darstellen und erkennen. Parallel hat Schuller eine weitere App entwickelt, die über einen längeren Zeitraum zuhört und Häufigkeiten von hörbaren Symptomen wie Husten, Niesen, Kurzatmigkeit, verstopfte Nase, etc. beobachtet, aus dem “Gehörten” Rückschlüsse zieht und die Nutzerin oder den Nutzer informiert.

Weitere Verbesserungen nötig

Das Projekt Spracherkennung von Covid-19 ist noch nicht abgeschlossen: “Wir beschäftigen uns neben der Verbesserung der Zuverlässigkeit mit einer erhöhten Erklärbarkeit der Analyse und erhöhten Transparenz der Entscheidung. Natürlich sind wir dann in erster Linie daran interessiert, das Projekt in eine reale Anwendung überführen zu können, um für uns alle einen Mehrwert in dieser herausfordernden Zeit leisten zu schaffen”, beschreibt Prof. Dr. Björn W. Schuller die nächsten Schritte.

Kommentieren Sie den Artikel

Please enter your comment!
Please enter your name here