Hääleanalüüsi ettevõtte Vocalis teadlased uurisid, kuidas saaks hääle järgi tuvastada COVID-19 põdevat inimest, vahendab väljaanne Nature. Koroonaviirushaigust hääle järgi tuvastava seadme pilootversioon sai ettevõttel suvel valmis, selle välja töötamiseks kasutati 1500 häälenäidist.

Rakendus, mida ettevõte veel mitmel pool maailmas testib, ei ole mõeldud lõpliku diagnoosi andmiseks, vaid selleks, et aidata tuvastada neid inimesi, kes võivad testimist, karantiini või arstiabi rohkem vajada.

Uuringus osalesid positiivse koroonatesti saanud inimesed, kellel paluti alla laadida nutitelefoni rakendus, kus korra päevas pidid osalejad oma telefoni mikrofoni ütlema numbreid ja kirjeldama fotot.

Vocalis pole ainus ettevõte, kes proovib vokaalseid biomarkeried haigusele COVID-19 leida. Veel tegelevad sarnaste uuringutega vähemalt kolm uuringurühma. Teised rühmad analüüsivad COVID-19 põdevate inimeste köhatusi ja proovivad luua hääleanalüüsi algoritme, mis suudaksid tuvastada haigust ka siis kui inimene teeb häält maski kandes.

Häälepõhist haiguste tuvastamist on uuritud varemgi

Viimase kümne aasta jooksul on teadlased kasutanud tehisintellekti ja masinõppesüsteeme, et need suudaksid tuvastada võimalikke vokaalseid biomarkereid dementsuse, depressiooni või autismispektri häire korral.

Tulevikus saaks niisuguseid tehnoloogiaid kasutada arstid, samuti saaks nutitelefonide või nutiassistentide (näiteks Google home või Alexa) abil jälgida haiguse levikut.

"Tulevikus saab sinu robot, sinu Siri, sinu Alexa lihtsasti öelda: "Sa oled külma saanud"," lausus väljaandele Nature Björn Schuller, kes on kõne ja emotsioonide tuvastuse spetsialist Saksamaal Augsburgi ülikoolis ja Londoni Imperial College'is. 

Paljud teadlased on arvamusel, et kuivõrd inimese kõne on üsna keeruline, siis hääleanalüüs võib aidata diagnoosida mitmesuguseid haiguseid. Rääkimine nõuab paljude anatoomiliste struktuuride ja süsteemide koos toimimist. Kopsud saadavad õhku läbi häälepaelte, mis omakorda tekitavad helisid. Keel, huuled ja ninasõõrmed omakorda muudavad neid helisid. Seejuures aitab aju koos teiste närvisüsteemi organitega määrata sõnu, mida keegi ütleb. Kui mõni haigus mõjutab mõnda neist süsteemidest, võibki see jätta inimese kõnesse mõningaid vihjeid.

Pea kümme aastat tagasi uurisid Max Little ja tema kolleegid, kuidas ütleb "ahhh" Parkinsoni tõvega ja seda mitte põdev inimene. Nad kasutasid kõnetöötlusalgoritme, et analüüsida iga salvestise akustilisi omadusi. Lõpuks suutis nende loodud süsteem tuvastada 99 protsendilise täpsusega, kas "ahhh" ütleb Parkinsoni tõvega inimene või mitte.

Teadlased on uurinud ka teiste neuroloogiliste haiguste kõnepõhiseid biomarkereid. Näiteks on Kanada teadlased uurinud rohkem kui 250 inimese helisid, et tuvastada, kas inimesel on Alzheimeri tõbi või mitte.

Veel on selgunud, et erinevused hääles esinevad juba neurodegeneratiivsete haiguste varajases faasis. Neurodegeneratiivsete haigused põhjustavad inimese närvisüsteemi taandarengut.

Just inimese hääl võib olla võti, et avastada mitmeid tervisehädasid võimalikult vara. Siiski on tegemist vaid teoreetilise ideega, mis vajab rohkem pikaaegsemaid ja laiapõhjalisemaid uuringuid tõestamaks, et hääleanalüüs suudab tuvastada haiguse varem kui seni kasutusel olevad meetodid.

Tegemist pole kõiki probleeme lahendava võluvitsaga

Osades uuringutes on hääle põhjal on haigust tuvastatud ainult väikesel hulgal patsientidel. Ühtlasi võib tekkida probleeme haiguse tuvastamisel eri keelt või aktsenti kõnelevate inimeste seas. Jim Schwoebel, kes on hääle analüüsi ettevõtte Sonde Health andemete ja uuringute osakonna asepresident, lausus väljaandele Nature, et New Yorgis elav ja Houstonis (Texase osariik) elav inimene võib depressiivsena kõlada erinevalt. Seetõttu ongi vaja testida häälepõhist haiguste tuvastamist erinevates piirkondades.

Hääleanalüüsi süsteeme peaks testima ka erinevates keskkondades, sest väljaspool laborit on mitmeid häirivaid asjaolusid, mis võivad süsteeme mõjutada. Julien Eppsi ja tema kolleegide uuringust selgus, et kui kasutada häälepõhiselt depressiooni tuvastavat süsteemi laboris, oli selle täpsus 94 protsenti, seevastu tavalises keskkonnas langes täpsus 75 protsendile.

Niisugusel tehnoloogilisel lahendusel võivad olla mitmesugused riskid, näiteks tekivad valepositiivsete diagnooside ohud. Veel tekivad tõsised privaatsusprobleemid, sest süsteemid võivad jäädvustada eravestlusi, tundlikku informatsiooni tervise kohta, mida võidakse müüa jagada, häkkida või kuritarvitada.