基于人类声音数据库的AI工具最终可以诊断出严重的疾病

基于人类声音数据库的AI工具最终可以诊断出严重的疾病研究人员正在建立一个人类声音的数据库，他们将用来开发基于人工智能的工具，最终可以诊断出严重的疾病。他们的目标是从阿尔茨海默氏症到癌症。周二美国国立卫生研究院宣布资助相关项目，把人的声音变成可以作为疾病的生物标志物，就像血液或温度一样。PC版：https://www.cnbeta.com/articles/soft/1315745.htm手机版：https://m.cnbeta.com/view/1315745.htm

新技术可实现对难以捉摸的败血症进行“几乎完美”的诊断

新技术可实现对难以捉摸的败血症进行“几乎完美”的诊断加州大学旧金山分校传染病科医学副教授、CZ生物中心研究员ChazLangelier博士是一项研究的资深作者，他描述了一种非常准确的败血症诊断工具。资料来源：CZ生物孵化器这种疾病可能导致基本器官的血流减少，广泛的炎症和不规则的血液凝结。因此，如果不及时诊断和治疗，脓毒症可能导致休克、器官衰竭和死亡。然而，确定哪种病原体导致败血症，或者确定血液中或身体其他地方是否存在感染，可能是一个挑战。此外，在许多症状类似于败血症的情况下，要评估病人是否真的有感染可能很困难。来自陈·扎克伯格生物中心、陈·扎克伯格倡议和加州大学旧金山分校的研究人员现在创造了一种新的诊断方法，采用机器学习来分析来自宿主和病原体的高级基因组学数据，以识别和预测脓毒症病例。据报道，该方法出乎意料地准确，有可能远远超过目前的诊断技能。研究人员的发现最近发表在《自然-微生物学》杂志上。"败血症是人类面临的十大公共卫生问题之一，"高级作者ChazLangelier医学博士说，他是加州大学旧金山分校传染病科的医学副教授和CZ生物中心研究员。"关键挑战之一是诊断。现有的诊断测试无法捕捉到该疾病的两面性--感染本身和宿主对感染的免疫反应"。据新方法背后的研究人员称，目前的败血症诊断侧重于通过培养细菌来检测细菌，这一过程"对于适当的抗生素治疗至关重要，而抗生素治疗对于败血症的存活也至关重要"。但是培养这些病原体很耗时，而且并不总是能正确识别导致感染的细菌。这就类似于对于病毒感染而言，PCR测试可以检测到病毒正在感染病人，但并不总是能识别导致疾病的特定病毒。Langelier说："这导致临床医生在估计30-50%的病例中无法确定败血症的原因。这也导致了抗生素治疗和造成问题的病原体的不匹配"。在没有明确诊断的情况下，医生往往开出鸡尾酒式的抗生素，以努力阻止感染，但过度使用抗生素已导致全球范围内抗生素耐药性增加。加州大学旧金山分校医学和麻醉学教授、这项新研究的共同第一作者卡罗琳-卡尔菲（CarolynCalfee）说："作为医生，我们永远不想错过一个感染病例。但是如果我们有一个测试可以帮助我们准确地确定谁没有感染，那么这可以帮助我们在这些情况下限制抗生素的使用，这对我们所有人来说都是非常好的结果。"消除模糊性研究人员分析了2010年至2018年期间在加州大学旧金山分校医疗中心或扎克伯格旧金山综合医院住院的350多名重症患者的全血和血浆样本。由CZBiohub科学家NormaNeff博士和AngelaPisco博士领导的团队没有依靠培养物来识别这些样本中的病原体，而是采用了元基因组下一代测序（mNGS）。这种方法可以识别样品中存在的所有核酸或遗传数据，然后将这些数据与参考基因组进行比较，以确定存在的微生物生物。这种技术使科学家能够识别存在于同一样品中的完全不同生物界的遗传物质--无论是细菌、病毒还是真菌。然而，仅仅检测和识别病原体的存在还不足以进行准确的败血症诊断，因此Biohub的研究人员还进行了转录分析--对基因表达进行量化以捕捉病人对感染的反应。接下来，他们将机器学习应用于mNGS和转录数据，以区分脓毒症和其他危重疾病从而确认诊断。CZI的首席计算生物学家、该研究的共同第一作者KatrinaKalantar博士创建了一个综合的宿主-微生物模型，该模型是根据已确定为败血症或非感染性系统性炎症疾病的患者的数据进行训练的，这使得败血症的诊断具有极高的准确性。Kalantar解释说："我们通过查看一堆元基因组学数据和传统临床测试的结果来开发这个模型。首先，研究人员确定了确诊的败血症患者和非感染性系统性炎症患者之间的基因表达变化，这些变化在临床上看起来很相似，然后使用机器学习来确定能够最好地预测这些变化的基因。"研究人员发现，当传统的细菌培养确定了导致败血症的病原体时，在用mNGS分析的相应血浆样本中通常会有过多的来自该病原体的遗传物质。考虑到这一点，Kalantar对模型进行了编程，以确定与样本中的其他微生物相比，存在着不成比例的高丰度的生物体，然后将这些生物体与知名的败血症致病微生物的参考指数进行比较。"除此之外，我们还注意到检测到的任何病毒，即使它们的水平较低，因为这些病毒确实不应该出现，"Kalantar解释说。"有了这套相对简单的规则，我们能够做得很好。"几乎完美"的表现研究人员发现，mNGS方法和他们相应的模型比预期的效果更好。他们能够识别99%的确诊细菌性败血症病例，92%的确诊病毒性败血症病例，并且能够预测74%尚未明确诊断的临床怀疑病例的败血症。Calfee实验室的博士后研究员、该研究的共同第一作者LucileNeyton博士说："我们期待着良好的表现，甚至是伟大的表现，但这几乎是完美的，通过使用这种方法，我们对导致疾病的原因有了相当好的了解，而且我们以相对较高的信心知道一个病人是否患有败血症。"该团队还兴奋地发现，他们可以使用这种结合了宿主反应和微生物检测的方法来诊断败血症，而血浆样本是作为标准临床护理的一部分从大多数病人那里例行收集的。Langelier说："实际上可以从这种广泛可用的、易于收集的样本类型中识别败血症患者，这在实际效用方面具有重大意义。"这项工作的想法源于Langelier、Kalantar、Calfee、加州大学旧金山分校研究员和CZ生物中心主席JoeDeRisi博士及其同事之前的《国家科学院院刊》研究，在该研究中，他们使用mNGS有效地诊断危重病人的下呼吸道感染。由于该方法效果很好，"我们想看看同样类型的方法是否能在败血症的情况下发挥作用，"Kalantar说。更广泛的影响该团队希望在这一成功的诊断技术的基础上，开发一个模型，该模型也可以预测用这种方法检测到的病原体的抗生素抗性。"我们已经在呼吸道感染方面取得了一些成功，但没有人想出一个好的方法来治疗败血症，"Langelier说。此外，研究人员希望最终能够预测败血症患者的结果，"如死亡率或住院时间，这将提供关键信息，使临床医生能够更好地照顾他们的病人，并将资源匹配给最需要的病人。""像这样的新型测序方法有很大的潜力，可以帮助我们更精确地确定病人的危急疾病的原因，"Calfee补充说。"如果我们能做到这一点，这是迈向精准医疗和了解个别病人情况的第一步"。...PC版：https://www.cnbeta.com.tw/articles/soft/1333499.htm手机版：https://m.cnbeta.com.tw/view/1333499.htm

印度一研究通过分析声音判断感冒 准确率达70%

印度一研究通过分析声音判断感冒准确率达70%研究人员主要分析人类讲话时的声音节奏，它相当于谐波，振幅随着频率增加会减小，研究人员认为感冒会打破常规声音模式。然后研究人员将会信息输入机器学习算法，让算法区分正常声音与病患声音的差异。测试对象先从0数到40，然后告诉研究人员周末做了什么，再然后朗诵伊索寓言《北风与太阳》。研究发现AI判断对象是否感冒的准确率达到70%。对于这项技术的价值，研究人员解释称，AI如果能判断人类是否感冒就没有必要浪费钱，没有必要花时间去看医生。当然啦，如果以后有员工想装病请假那就难多了。去年曾有研究团队尝试通过病人的呼吸模式来诊断帕金森病，用AI分析声音甚至可以判断对象是否患有抑郁症或者癌症。...PC版：https://www.cnbeta.com.tw/articles/soft/1353845.htm手机版：https://m.cnbeta.com.tw/view/1353845.htm

量身定制的全基因组测序技术可使罕见疾病的诊断率提高一倍

量身定制的全基因组测序技术可使罕见疾病的诊断率提高一倍然而，对这些数据的解释可能异常具有挑战性。事实上，许多患有复杂、罕见遗传病的人仍然没有得到关于其问题原因的分子答案。在这项研究中，研究人员试图为这类患者提供一个更好的机会，让他们接受基因诊断。这项研究是在UCL皇后广场神经学研究所的伦敦线粒体中心和UCL大奥蒙德街儿童健康研究所进行的，其结果将于今天（11月7日）发表在《自然通讯》杂志上。为了实现他们的目标，研究人员测试了使用由专业医生、生物信息学家和科学家组成的基因组医学团队如何能够提升NHS诊断实验室的能力，使其超越标准的半自动化数据分析。UCL团队重新评估了未诊断的病例，以确定可能有助于指导进一步、更个性化分析的线索。他们随后应用了额外的生物信息学方法，使用先进的计算机技术来识别患者DNA中可能导致疾病但在常规测试中被忽略的基因改变。该研究的参与者包括102名未被诊断的患者，他们被怀疑患有原发性线粒体疾病（一大群影响儿童和成人的不可治愈的遗传疾病，与广泛的医疗问题、严重残疾和寿命缩短有关），他们通过国家卫生系统的10万个基因组项目进行了全基因组测序。这种个性化的方法将诊断率从16.7%提高到31.4%。它还在另外3.9%的患者中发现了潜在的致病变体。主要作者RobertPitceathly博士（伦敦国家医疗服务系统罕见线粒体疾病高度专业化服务的共同负责人和UCL皇后广场神经学研究所的研究小组负责人）说。"NHS在先进的遗传技术方面进行了大量的投资。因此，英国已经确立了自己在诊断性全基因组测序方面的领先地位。也就是说，一些患有罕见遗传病的人在他们的基因组被分析后仍然没有得到分子诊断。我们相信投资于专业的基因组医学团队是至关重要的，它可以确保公平地获得专门的多学科专业知识，并最大限度地提高诊断率。在我们的研究中，患者平均等待诊断的时间超过30年--我们现在有能力解决此类案件，但需要足够的劳动力规划来支持NHS诊断基因实验室实现这一目标。"接受基因诊断是很重要的，因为它允许患者获得生育计划当中专属的试管婴儿和药物试验的机会。它还可以允许对已知的疾病并发症进行有针对性的筛选，并获得药物研究的机会。Pitceathly博士说。"在这项研究中，每一个新的基因诊断都对病人护理产生了直接影响。这包括对心脏问题、听力损失和糖尿病的额外检查，以及获得临床试验的机会"。UCL皇后广场神经学研究所所长MichaelHanna教授说。"这项工作是在开发使基因组分析为患者带来最大利益的最佳方法方面迈出的重要一步。它清楚地表明，通过将基因组分析的自动化方法与熟练的多学科团队的数据解释相结合，诊断率会翻倍。这是一个重要的发现，它将影响基因组医学诊断服务在世界范围内的发展"。共同作者詹姆斯-戴维森博士（大奥蒙德街医院代谢医学部，英国遗传性代谢疾病小组主席）说。"对于患有罕见、复杂疾病的儿童和成人来说，达成诊断的过程可能非常漫长，而基因组医学在帮助达成这一目标方面提供了一个变革性的强大工具。这项研究强调了专业临床医生和遗传科学家在解释基因组测序结果方面的合作的重要性，以最大限度地增加达成诊断的机会，然后帮助指导医疗管理和治疗方案。"患者故事RachelNorth是参与该试验的患者之一，她将获得诊断描述为"改变了生活"。此后，它让她接受了疾病并发症的筛查，如骨质疏松症，这些都得到了治疗。她说。"在过去的20年里，我去了那么多医院，找了那么久，我从来没有想过我会得到准确的诊断。思考这个问题占用了很多精力，我担心我12岁的儿子，担心我的病情是否会影响他。因此，得到罕见隐性遗传的诊断是一种解脱，消除了对未知的恐惧。有了诊断，我就可以研究我的病情，并非常主动地管理它。任何能帮助我了解和理解发生在我身体上的事情的东西，都能帮助我接受它，并给我信心，我正在尽可能地管理它。"...PC版：https://www.cnbeta.com.tw/articles/soft/1332045.htm手机版：https://m.cnbeta.com.tw/view/1332045.htm

AntiFake技术可以防止你的声音被AI深度伪造

AntiFake技术可以防止你的声音被AI深度伪造然而，一种名为AntiFake的新软件工具可以帮助防止这种情况发生。已经有技术可以确定所谓的声音是否是深度伪造的，AntiFake是最早阻止此类伪造声音产生的系统之一。简而言之，它是通过让人工智能系统更难读取真人声音录音中的关键声音特征来实现这一点。“该工具使用了一种对抗性人工智能技术，该技术最初是网络犯罪分子工具箱的一部分，但现在我们反过来用它来防御他们，”发明者、圣路易斯华盛顿大学计算机科学与工程助理教授张宁说。 “我们只是稍微弄乱了录制的音频信号，对其进行扭曲或扰动，使其对人类听众来说仍然听起来不错，但这与人工智能感知到的完全不同。”这意味着，即使深度伪造是根据经过AntiFake修改的录音创建的，它听起来也不会像说话者的实际声音。迄今为止进行的测试表明，该技术在防止合成令人信服的深度赝品方面的有效性超过95%。张说：“虽然我不知道人工智能语音技术的下一步会是什么——新的工具和功能一直在开发——但我确实认为我们利用对手的技术来对抗他们的策略将继续有效。”任何需要的人都可以免费获得防伪代码：https://sites.google.com/view/yu2023antifake...PC版：https://www.cnbeta.com.tw/articles/soft/1400463.htm手机版：https://m.cnbeta.com.tw/view/1400463.htm

AI 通过声音在10秒内诊断2型糖尿病 准确率高达89%

AI通过声音在10秒内诊断2型糖尿病准确率高达89%加拿大的医学研究人员训练一个基于机器学习的AI来识别2型糖尿病患者与非糖尿病患者之间的14种声音差异。这些差异特征包括音高、强度以及其他微小的声音变化，这些是人耳无法区分的。结果发现AI能够在89%的女性和86%的男性中准确诊断2型糖尿病。研究指出，女性的预测特征是平均音高、音高SD和RAPjitter；男性是平均强度和apq11shimmer。简单地说，2型糖尿病的女性报告的音高略低，变化较小；而2型糖尿病的男性报告的声音略弱，变化较大。https://doi.org/10.1016/j.mcpdig.2023.08.005投稿：@ZaiHuaBot频道：@TestFlightCN