À la pointe de la technologie numérique, Google a développé un modèle bioacoustique innovant, HeAR, capable de détecter les maladies par l'analyse du son. Cette technologie ouvre des perspectives nouvelles pour le diagnostic médical à distance.
La puissance du modèle HeAR provient de son processus d'entraînement. Il a été formé à partir de 313 millions de segments audio provenant de YouTube, dont environ 100 millions de sons de toux. Grâce à ces données, HeAR a appris à identifier les signaux de maladie dans les sons de toux, de parole et de respiration.
Vidéo officielle, traduction : Xiaohu
Le champ d'application du modèle HeAR est impressionnant. Il est capable de détecter plusieurs maladies, telles que la tuberculose, le COVID-19 et la bronchopneumopathie chronique obstructive (BPCO). Ces capacités ont été validées dans 13 tâches de détection d'événements acoustiques liés à la santé, 14 tâches d'inférence de la toux et 6 tâches d'inférence de la fonction pulmonaire, surpassant les performances des modèles existants dans de nombreux cas.
Dans les tâches d'inférence de la toux, HeAR a obtenu les meilleurs résultats dans 10 tâches, notamment pour la détection du COVID-19 et de la tuberculose. Dans les tâches d'inférence de la fonction pulmonaire, HeAR a également excellé, notamment pour des indicateurs clés tels que le volume expiratoire maximal seconde (VEMS) et la capacité vitale forcée (CVF).
La société indienne Salcit Technologies a déjà intégré le modèle HeAR dans son produit Swaasa®, qui évalue la santé pulmonaire par l'analyse des sons de toux. Ce produit montre un potentiel énorme, notamment pour la détection précoce de la tuberculose.
Salcit Technologies explore actuellement les moyens d'étendre les capacités de son modèle d'IA bioacoustique HeAR. Swaasa® est en cours de recherche et d'amélioration pour une détection précoce de la tuberculose basée sur l'analyse de la toux, ce qui contribuera non seulement à améliorer la précision du diagnostic, mais aussi à rendre les soins médicaux plus accessibles.