27. Dezember 2022 — Künstliche Intelligenz hat einen weiteren Meilenstein erreicht: Die Erkennung des Geräusches eines ungesunden Stuhlgangs.
Ingenieure des Georgia Tech Research Institute haben kürzlich ein Design für einen „Durchfalldetektor“ vorgestellt, der Gesundheitsbehörden vor Krankheitsausbrüchen wie Cholera warnen könnte. Eines Tages könnte die KI sogar mit intelligenten Heimgeräten verwendet werden, um die Darmgesundheit zu überwachen.
Ein Prototyp habe Durchfall in 98 % der Fälle in Tests genau identifiziert, sagten die Ingenieure auf einer Konferenz der Acoustical Society of America in Nashville. Selbst mit Hintergrundgeräuschen war es in 96 % der Fälle korrekt.
Cholera infiziert jedes Jahr Millionen von Menschen und tötet bis zu 143.000 Menschen, die aufgrund von schwerem Durchfall dehydriert sind. nach Angaben der Weltgesundheitsorganisation. Viele Todesfälle könnten mit einer oralen Rehydrierungslösung vermieden werden, wenn der Ausbruch schnell genug erkannt wird. Cholera kann innerhalb von 24 Stunden nach Beginn der Symptome tödlich sein.
Das Gerät könnte in öffentlichen Toiletten installiert werden, wo eine unzureichende Installation das Risiko eines Cholera-Ausbruchs erhöht.
„Cholera hat normalerweise einen wässrigeren Klang – es kann sehr nach Wasserlassen klingen und hat im Allgemeinen nicht viele Blähungen“, sagt Maia Gatlin, Co-Leiterin des Projekts, Luft- und Raumfahrtingenieurin und Doktorandin bei das Georgia Tech Research Institute. „Dass jemand schweren Durchfall hat und dass er viel davon hat – das kann festgehalten werden.“
Die Idee entstand aus Gesprächen darüber, wie COVID-19 durch die Analyse von Abwasser überwacht werden kann, sagt der Co-Leiter des Projekts, Alexis Noel, PhD, ein Biomechanik-Forscher am Institut.
Andere Forscher haben eine Videoanalyse in Betracht gezogen, um nach Durchfall zu suchen.
„Ich war neugierig, ob wir Durchfall mithilfe von Geräuschen erkennen können“, sagt Noel, „da manche Leute ein wenig misstrauisch sind, wenn eine Kamera in der Toilette auf ihren Hintern gerichtet wird.“
Zunächst sammelten die Forscher 350 öffentlich zugängliche Audiobeispiele von Badezimmergeräuschen von YouTube und Soundsnap. Einige Clips hatten bis zu 10 Stunden Durchfallgeräusche.
Die Forscher hörten sich die Proben an, um die Echtheit festzustellen.
„Wir kannten diese Leute nicht, wir wussten nicht, wie sie aufgenommen haben, also mussten wir uns ein gutes Stück anhören“, sagt Gatlin. „Es gab definitiv viele Furzgeräusche, bei denen wir dachten: ‚Das ist kein Furz, das ist jemand, der in ihren Ellbogen bläst.’“
Die Geräusche von Stuhlgang, Wasserlassen, Blähungen und Durchfall wurden in Spektrogrammbilder umgewandelt. Ein Computer analysierte diese Bilder etwa 10 Stunden lang mit einem „faltenden neuronalen Netzwerk“. Die Software bringt sich durch Trial-and-Error bei, wie sie die subtilen Ähnlichkeiten zwischen Durchfall-Spektrogrammen erkennt und wie sie sich von anderen Toilettengeräuschen unterscheiden.
Zum Beispiel hat das Wasserlassen einen konsistenten Ton und der Stuhlgang kann einen singulären Ton haben. Das Geräusch von Durchfall ist zufälliger.
Sobald der KI-Lernprozess abgeschlossen war, luden die Forscher den Durchfall-Decodierungsalgorithmus auf einen Raspberry Pi, einen Computer von etwa der Größe einer Kreditkarte, der weniger als 50 US-Dollar kostet. Cade Tyler, Student an der Georgia Tech, druckte in 3D ein Gehäuse für das Motherboard mit einem Mikrofonanschluss, einer Reihe von Lichtern (grün für den Empfang eines Signals, rot für Durchfall und orange für „andere“) und den Worten „Diarrhea Detector“ darauf die Oberfläche.
Der Computer nimmt eine 10 Sekunden lange Audioaufnahme auf, die in ein Spektrogramm umgewandelt und dem Algorithmus zugeführt wird. Der gesamte Vorgang dauert nur Sekunden.
Die nächste Iteration des Geräts würde einen Bericht über Wi-Fi oder ein anderes drahtloses Kommunikationssignal an eine Datenbank senden, damit Beamte des öffentlichen Gesundheitswesens den Ausbruch von Krankheiten überwachen können.
„Wir sammeln nichts Identifizierbares über Personen“, sagt Gatlin.
Wie viele dieser Geräte benötigt würden, um eine Gemeinde abzudecken, oder wo die ideale Platzierung wäre, haben die Forscher noch nicht ermittelt.
Der Algorithmus muss noch verfeinert werden, indem bessere Audiodaten verwendet werden, die unter kontrollierten Bedingungen von Personen gesammelt werden, die eine informierte Zustimmung gegeben haben, sagt Gatlin. Gatlin hofft auch, die KI für die Arbeit in Außenlatrinen zu trainieren, die in Gebieten ohne funktionierende Kanalisation üblich sind.