Cientistas do Google desenvolvem IA que poderá diagnosticar doenças pela tosse

Uma equipe de cientistas do Google desenvolveu uma ferramenta de Inteligência Artificial (IA) que pode ajudar a detectar e monitorar doenças através da avaliação de ruídos como tosse e respiração. O sistema foi treinado com milhões de áudios com sons humanos e os pesquisadores esperam que, um dia, seja usado para diagnosticar doenças como Covid-19 e tuberculose.

O novo sistema do Google, chamado Health Acoustic Representations (HeAR), foi treinado com um grande conjunto de dados e pode ser ajustado para executar diferentes tarefas. A ferramenta foi divulgada no início deste mês em um artigo que ainda será revisado por pares.

Ainda não há uma previsão de quando, e se, o HeAR se tornará um produto comercial. Por ora, o objetivo é que a IA se torne acessível para pesquisadores interessados em usar o modelo em suas próprias pesquisas. “Nosso objetivo como parte do Google Research é estimular a inovação neste campo nascente”, diz Sujay Kakarmath, gerente de produto do Google em Nova York que trabalhou no projeto.

Como a ferramenta funciona?

Ferramentas de IA como a HeAR são treinadas com gravações de áudio, como o barulho da tosse, combinadas com informações de saúde sobre a pessoa que emitiu esses sons. Por exemplo, os áudios podem ser rotulados para indicar se a pessoa que os gravou tinha bronquite, tuberculose ou Covid-19, por exemplo.

Com isso, a ferramenta passa a associar as características desses sons às informações fornecidas, em um processo de treinamento chamado “aprendizagem supervisionada”.

No entanto, o diferencial da ferramenta desenvolvida pelos cientistas do Google é que ela foi treinada com um processo chamado “aprendizado autossupervisionado”, que se baseia em dados não rotulados. Para isso, os pesquisadores extraíram mais de 300 milhões de clipes sonoros curtos de tosse, respiração, pigarro e outros sons de vídeos do YouTube.

Cada áudio foi convertido em uma representação visual do som chamada espectrograma. Em seguida, os pesquisadores bloquearam segmentos desses espectrogramas para ajudar a IA a aprender a prever as partes que estavam faltando nos áudios.

Esse método é semelhante à forma como o ChatGPT foi ensinado a prever a próxima palavra em uma frase, depois de ser treinado com exemplos de texto humano. Com isso, os pesquisadores criaram um “modelo básico”, que pode ser adaptado para diversas tarefas.

Pelo fato de o HeAR ter sido treinado com uma gama ampla de sons humanos, os pesquisadores precisaram apenas alimentá-lo com um conjunto de dados limitados para ajustá-lo, rotulando as doenças e suas características. Com isso, a IA foi adaptada para detectar Covid-19, tuberculose e se a pessoa fuma ou não, por exemplo.

Em uma escala que varia de 0,5 para 1 (em que 0,5 o desempenho é ruim e 1, o modelo é preciso), o HeAR pontuou 0,45 e 0,710 para a detecção de Covid-19, a depender do conjunto de dados em que foi testado. Para tuberculose, a pontuação foi de 0,739.

Ali Imran, engenheiro da Universidade de Oklahoma em Tulsa, diz que o grande volume de dados utilizados pelo Google confere importância à pesquisa. “Isso nos dá a confiança de que esta é uma ferramenta confiável”, diz.