Des sons émis par notre corps, comme la toux, la parole et même la respiration, regorgent d’informations sur notre santé. Ces sons bioacoustiques contiennent des indices subtils qui pourraient révolutionner le dépistage, le diagnostic, la surveillance et la gestion de divers problèmes de santé, tels que la tuberculose (TB) et la maladie pulmonaire obstructive chronique (MPOC). En tant que chercheurs chez Google, nous reconnaissons le potentiel du son comme indicateur de santé et savons que les microphones des smartphones sont largement accessibles. C’est pourquoi nous explorons l’utilisation de l’IA pour extraire des informations de santé à partir de données acoustiques.
Plus tôt cette année, nous avons présenté les représentations acoustiques de la santé ou HeAR, un modèle bioacoustique de base conçu pour aider les chercheurs à développer des modèles capables d’écouter les sons humains et de détecter les premiers signes de maladie. L’équipe de recherche de Google a formé HeAR sur 300 millions de données audio provenant d’un ensemble diversifié et anonymisé, et le modèle de toux a été spécifiquement formé avec environ 100 millions de sons de toux.
HeAR apprend à discerner les motifs sonores liés à la santé, créant ainsi une base solide pour l’analyse audio médicale. En moyenne, HeAR surpasse les autres modèles dans une large gamme de tâches et pour la généralisation à différents microphones, démontrant ainsi sa capacité supérieure à capturer des motifs significatifs dans les données acoustiques de santé. Les modèles formés avec HeAR ont également atteint des performances élevées avec moins de données de formation, un facteur crucial dans le domaine souvent limité de la recherche en soins de santé.
HeAR est désormais disponible pour les chercheurs, leur permettant de développer plus rapidement des modèles bioacoustiques personnalisés avec moins de données, de configuration et de calculs. Notre objectif est de faciliter des recherches plus approfondies sur des modèles pour des conditions et des populations spécifiques, même lorsque les données sont rares ou que des barrières de coût ou de calcul existent.
Salcit Technologies, une entreprise de soins respiratoires basée en Inde, a développé un produit appelé Swaasa® qui utilise l’IA pour analyser les bruits de toux et évaluer la santé pulmonaire. Actuellement, l’entreprise explore comment HeAR peut améliorer les capacités de ses modèles d’IA bioacoustique. Swaasa® utilise HeAR pour faciliter la recherche et améliorer la détection précoce de la tuberculose basée sur les bruits de toux.
La tuberculose est une maladie traitable, mais chaque année, des millions de cas ne sont pas diagnostiqués — souvent parce que les gens n’ont pas facilement accès aux services de santé. Améliorer le diagnostic est essentiel pour éradiquer la tuberculose, et l’IA peut jouer un rôle crucial en améliorant la détection et en rendant les soins plus accessibles et abordables pour tous. Swaasa® utilise depuis longtemps l’apprentissage automatique pour détecter les maladies à un stade précoce, comblant ainsi le fossé en matière d’accessibilité, de coût et d’évolutivité en offrant une évaluation de la santé respiratoire indépendante du lieu et sans équipement. Avec HeAR, ils voient une opportunité d’étendre plus largement le dépistage de la tuberculose à travers l’Inde en s’appuyant sur cette recherche.
« Chaque cas de tuberculose manqué est une tragédie ; chaque diagnostic tardif est un chagrin », déclare Sujay Kakarmath, chef de produit chez Google Research travaillant sur HeAR. « Les biomarqueurs acoustiques offrent le potentiel de réécrire ce récit. Je suis profondément reconnaissant du rôle que HeAR peut jouer dans ce voyage transformateur. »
Nous constatons également le soutien à cette approche de la part d’organisations comme Le partenariat StopTB, une organisation hébergée par les Nations Unies qui rassemble des experts en tuberculose et des communautés touchées dans le but d’éradiquer la tuberculose d’ici 2030.
« Des solutions telles que HeAR permettront à l’analyse acoustique basée sur l’IA d’innover en matière de dépistage et de détection de la tuberculose, offrant un outil potentiellement à faible impact et accessible à ceux qui en ont le plus besoin », a déclaré Zhi Zhen Qin, spécialiste de la santé numérique chez Stop TB Partnership.
HeAR représente une avancée significative dans la recherche sur la santé acoustique. Nous espérons faire progresser le développement de futurs outils de diagnostic et solutions de surveillance dans le domaine de la tuberculose, des maladies pulmonaires et autres, et contribuer à améliorer les résultats de santé des communautés du monde entier grâce à nos recherches. Si vous êtes un chercheur intéressé par HeAR, vous pouvez en savoir plus et demander l’accès à l’API HeAR.
