Wie „Hearables“ durch Körpergeräuschanalyse die Gesundheit nachverfolgen
Alltägliche tragbare Geräte erweisen sich als wegweisend für die Gesundheitsversorgung, da mit fortgeschrittenen Sensoren kontinuierlich Gesundheitsaspekte des sie tragenden Menschen überwacht werden. Und da die Sensorpreise fallen, werden sie zunehmend der Art der Datengewinnung dienen, die bisher nur teure medizinische Ausrüstung leisten kann. „Diese Art feinkörniger Längsschnittdaten ist beispiellos in der Gesundheitsüberwachung“, erklärt Cecilia Mascolo(öffnet in neuem Fenster) von der Universität Cambridge(öffnet in neuem Fenster) und Koordinatorin des Projekts EAR(öffnet in neuem Fenster). Das Vorhaben EAR wurde vom Europäischen Forschungsrat(öffnet in neuem Fenster) finanziert. Das EAR-Forschungsteam hat eine Reihe von audiobasierten mobilen Gesundheitstrackern mit künstlicher Intelligenz (KI) entwickelt, darunter In-Ohr-Kopfhörer, die physiologische Daten sammeln, und eine mobile Anwendung, die eine Überwachung der Gesundheit der Atemwege vornimmt. Verglichen mit KI zur Video- und Bildanalyse ist ihr Einsatz im Audiobereich unterentwickelt, so dass das Team neuartige Lösungen erarbeiten musste. „Wir sind führend in der Nutzung von KI zur Interpretation von Audiodaten für die Gesundheitsüberwachung, wobei wir vorhandene Datensätze und Transfer Learning zum Vortraining unserer Modelle oder vorhandene, vortrainierte Modelle anwenden, die mit selbstüberwachtem Lernen auf unsere Zwecke abgestimmt werden“, erklärt Mascolo.
Allgemeine physiologische Gesundheit nachverfolgen
Das Team von EAR testete die Hypothese, dass sich der Gehörgang als idealer Ort für einen tragbaren Gesundheitstracker erweisen könnte, und entwickelte einen Algorithmus zur Umfunktionierung von In-Ohr-Kopfhörermikrofonen, um gesundheitsrelevante Körpergeräusche zu erkennen. Um zu erproben, wie gut die Ohrhörer den Gang und andere physiologische Aspekte wie Atmung und Herzfrequenz der nutzenden Person überwachen können, nahmen Freiwillige an vielfältigen Aktivitäten, darunter Laufen und Rudern, teil. Auf der Grundlage anderer größerer Datensätze wurde mithilfe von maschinellen Lernverfahren ein KI-Algorithmus trainiert, um die relevanten Gesundheitsindikatoren im Audiobereich zu ermitteln und zu interpretieren. „Wir konnten demonstrieren, dass ‚Hearables‘ gut darin sind, gesundheitsbezogene Audiodaten zu sammeln, die sich dank unserer neuartigen KI tatsächlich als wertvoll zur Darstellung der physiologischen Gesundheit erwiesen haben“, fügt Mascolo hinzu.
Gesundheit der Atemwege nachverfolgen
Um während der COVID-19-Pandemie Hilfe zu leisten, plante das Team herauszufinden, ob eine Mobiltelefon-App entwickelt werden könnte, die das Vorhandensein des Coronavirus anhand von Audioproben erkennt, die über das Telefonmikrofon gesammelt werden. Einer der größten multimodalen Audiodatensätze von Mundgeräuschen(öffnet in neuem Fenster) (Atmen, Husten und Sprechen) wurde per Schwarmauslagerung mit Informationen über den COVID-19-Teststatus, Symptome und die weiterführende medizinische Vorgeschichte kombiniert. Dieser Datensatz fließt nun in Modelle für maschinelles Lernen ein, die auf der Basis der regelmäßig über die App abgegebenen Audioproben vorhersagen können, ob es einer infizierten Person wahrscheinlich besser oder schlechter gehen wird. Das Team hat außerdem unter Einsatz der COVID-19-Daten und weiterer Daten aus dem Bereich der öffentlichen Gesundheit das erste audiobasierte Atemwegsmodell OPERA(öffnet in neuem Fenster) aufgebaut, das es den Forschenden ermöglicht, Aufgaben zu lösen, für die sonst nur begrenzte Daten zur Verfügung stehen, wie etwa die Bewertung chronisch-obstruktiver Lungenerkrankungen. „Unsere COVID-19-Datensammlung ist beispiellos und wird weiterhin nachgefragt. Diese Technologie birgt ein enormes Potenzial, um Atemwegsinfektionen und chronische Krankheiten über einen längeren Zeitraum nachzuverfolgen“, berichtet Mascolo.
Längsschnittüberwachung der Gesundheit im großen Maßstab
Die innovativen ‚Herable‘-Gesundheitslösungen im Rahmen von EAR bieten eine erschwingliche und skalierbare Möglichkeit zur Überwachung der Gesundheit einzelner Personen und der Gesamtbevölkerung, womit ein wichtiger Beitrag zu den Zielen der EU in Bezug auf personalisierte und präventive Gesundheit geleistet wird. „Wir erforschen nun, wie Audiosignale im Allgemeinen und insbesondere Audiosignale aus dem Ohr zusätzliche Gesundheitsinformationen bereitstellen könnten, die bisher noch nicht oder nur auf kostspielige Weise erkannt werden können“, fügt Mascolo hinzu. In der Zwischenzeit wurde ein Patent für die Ohrhörer (zur Überwachung der Atemfrequenz) angemeldet, und Mascolo hat sich außerdem einem Start-up-Unternehmen angeschlossen, das an der Physiologieüberwachung per In-Ohr-Mikrofon mittels KI arbeitet.
