近期，Google的科研团队发表了一篇关于"HeAR - Health Acoustic Representations"的学术论文。
该项研究成果是一款人工智能工具，可以通过识别咳嗽及呼吸等常见声音来辅助医生进行健康诊断，特别是肺部疾病，有助于提高患者的诊疗效率。
值得一提的是，这款全新研发的AI工具名称为"HeAR"（Health Acoustic Representations），其独特之处主要在于利用庞大且多元化的数据集进行训练，以及具备灵活性，可根据实际需求进行调整，处理各类特定任务。
虽然研究团队暂无将此技术商业化的明确规划，但仍将会通过开放式模式供广大研究者免费探索和应用。他们期望此举能激发更多相关领域的创新。
如你所知，当前大部分AI医疗工具如哨子等均采用语音记录方式训练，包括与个体病症匹配的就医录音。这种方式是基于监督学习理论的，通过将声音特征与标注角色相结合进行学习。
但是这次，Google的研究团队创新地引入了自监督学习模型，即选用未经标记的数据，比如来自YouTube公开数据源的超过三亿份的咳嗽、呼吸、清嗓子及其他日常声音短片，每份短片都转化为声音特点的图像呈现。
随后，他们采用类似 ChatGPT 大型语义模型的运作原理，在经过大量样本集的学习后，使模型学会自我预测。这样，研究团队成功构建出适用于诸多任务的基本模型。
在衡量HeAR模型的性能时，如果得分介于 0.5至 1之间，则表明其表现好于单纯靠运气的随机猜测；若得分总是为1，那说明其每次都能作出正确的判断。
在COVID-19的识别测试环节，具体得分分别是0.645和0.710；至于肺结核的识别测试评分，则达到了0.739。
值得注意的是，HeAR原始训练样本的跨越度极为丰富多元，涵盖各种人类发音，使得训练出来的结果充满普适性和可信度。
随着人工智能与机器学习技术的不断进步，无疑也会推动医学和相关健康领域的进程。
未来可能实现更精准的诊断，筛选，监测，诊疗的效率更高，成本更低。
