ShutEye から いびきが休息にどのように影響するかをよりよく理解しようとしている場合は、SleepScore、いくつかのスマートフォンアプリを利用できます。マイクを一晩中オンにして、騒々しい鼻のうなり声とゴロゴロ喉の残響を記録できます. しかし、スマートフォンアプリは 追跡に役立つ いびきの存在、無関係なノイズと複数の可聴人物がいる現実世界の寝室に適用した場合、その精度は依然として問題です。
サウサンプトン大学の予備調査では、あなたのいびきに シグネチャーサウンド 識別に使えそうなもの。 「実際にいびきや咳を正確に追跡するにはどうすればよいですか?」 この研究に携わった同大学の助教授、ジャグモハン・チャウハン氏はこう尋ねる。 機械学習モデル、特にディープ ニューラル ネットワークは、誰がそのいびきの交響曲を演奏しているかを確認するのに役立つ可能性があります。
研究はまだ始まったばかりですが、積み上げていきます 査読付き研究 機械学習を使用して、データが豊富な別の音の作成者を検証しました。これは、夜の楽観的な静けさを突き抜けることがよくある咳です。
Google とワシントン大学の研究者は、人間の音声と咳をデータセットに混ぜ合わせ、マルチタスク学習アプローチを使用して、録音で特定の咳をしたのは誰かを検証しました。 の 彼らの研究、AI は、少数の人々の中で誰が咳をしたかを判断する際に、人間の評価者よりも 10% 優れたパフォーマンスを示しました。
咳の識別紙に取り組んだ大学院生のマット・ホワイトヒルは、いびき研究の根底にある方法論のいくつかに疑問を呈し、より厳密なテストはその有効性を低下させると考えています. それでも、彼は聴覚識別のより広い概念が有効であると考えています。 「私たちは咳でできることを示しました。 いびきでも同じことができる可能性が非常に高いようです」とホワイトヒルは言います.
AI のこの音声ベースのセグメントは、OpenAI の ChatGPT のような自然言語プロセッサほど広くはカバーされていません (そして、大げさな言葉ではないことは間違いありません)。 それでも、いくつかの企業は、AI を使用してオーディオ録音を分析し、健康を改善する方法を見つけています。
レズモニクスAI を利用した肺疾患の症状の検出に焦点を当てたスイスの企業である は、CE 認定を受けており、myCough アプリを通じてスイスの人々が利用できる医療ソフトウェアをリリースしました。 このソフトウェアは病気を診断するようには設計されていませんが、このアプリは、ユーザーが夜間に何回咳をしたか、どのタイプの咳が最も流行しているかを追跡するのに役立ちます。 これにより、医師の診察が必要かどうかを判断する際に、咳のパターンをより完全に理解することができます。
Resmonics の共同設立者で最高技術責任者の David Cleres 氏は、特定の人の咳やいびきを特定するディープ ラーニング技術の可能性を見出していますが、この分野の AI 研究にはまだ大きなブレークスルーが必要であると考えています。 「記録デバイスや場所の変動に対する堅牢性は、さまざまなユーザー集団からの変動に対する堅牢性と同じくらい達成するのが難しいことを、Resmonics では難しい方法で学びました」と、Cleres 氏は電子メールで書いています。 さまざまな自然な咳といびきの録音を含むデータセットを見つけるのが難しいだけでなく、5 年前の iPhone のマイクの品質と、誰かが夜間にどこに置いておくかを予測することも困難です。
したがって、夜にベッドで発する音は、AI によって追跡可能であり、家族の他の人が発する夜間の音とは異なる可能性があります。 いびきは、指紋のように、あなたにリンクされたバイオメトリクスとしても使用できますか? 時期尚早の結論に飛びつく前に、さらなる調査が必要です。 「健康の観点から見れば、うまくいくかもしれません」とチャウハンは言います。 「生体認証の観点からは、確信が持てません。」 ジャグモハンはまた、どのように 信号処理、機械学習モデルの助けを借りなくても、いびき発見の支援に使用できます。
医療現場での AI に関して言えば、熱心な研究者や勇敢な起業家は、すぐに利用できる質の高いデータが不足しているという同じ問題に直面し続けています。 AI をトレーニングするための多様なデータの欠如は、患者にとって明白な危険となる可能性があります。 たとえば、アメリカの病院で使用されているアルゴリズムは、黒人患者のケアの優先順位を下げました。 堅牢なデータ セットと思慮深いモデル構築がなければ、AI は、消毒された実践環境とは異なる実際の環境でパフォーマンスを発揮することがよくあります。
「誰もがディープ ニューラル ネットワークに移行しています」と Whitehill 氏は言います。 このデータ集約型のアプローチにより、咳やいびきに関する質の高い研究を行うために大量の音声録音の必要性がさらに高まります。 いびきをかいているときや肺をハッキングしているときに追跡する機械学習モデルは、Taco Bell の Crunchwrap Supreme についての実存的なソネットを作成するチャットボットほど覚えやすいものではありません。 それはまだ精力的に追求する価値があります。 ジェネレーティブ AI はシリコン バレーの多くの人々にとって依然として最優先事項ですが、他の AI アプリケーションのスヌーズ ボタンを押して、その活気に満ちた可能性を無視するのは間違いです。