Hoesbuie kan ʼn simptoom wees van ʼn reeks respiratoriese siektes, nie net van COVID-19 nie. Mense weet egter nie noodwendig hoe om onderskeid te tref tussen ʼn COVID-19-positiewe en ʼn COVID-19-negatiewe hoes nie. Navorsers aan die Universiteit Stellenbosch (US) het ʼn masjienleerhulpmiddel ontwikkel wat dit vir mense makliker kan maak om die een van die ander te onderskei.

“Ons het in ons studie ʼn masjienleer-gebaseerde klassifiseerder ontwerp wat ʼn COVID-19-positiewe hoes van COVID-19-negatiewe hoes kan onderskei, sowel as ʼn gesonde hoes wat op ʼn slimfoon aangeteken is," sê prof Thomas Niesler van die Digital Signal Processing Lab in die Departement Elektriese en Elektroniese Ingenieurswese aan die US.

Niesler het die navorsing saam met sy kollegas Marisa Klopper, Madhurananda Pahar en Robin Warren gedoen. Klopper en Warren is verbonde aan die Suid-Afrikaanse Mediese Navorsingsraad (SAMNR), die Departement van Wetenskap en Tegnologie-Nasionale Navorsingstigting (DWT-NNS) se Navorsingsentrum vir Tuberkulose en die DWT-NNS se Sentrum vir Uitnemendheid vir Biomediese Tuberkulose-navorsing wat in die US se afdeling Molekulêre Biologie en Menslike Genetika gesetel is, terwyl Pahar ʼn postdoktorale navorsingsgenoot by die Digital Signal Processing Lab is.

Die bevindings van hul studie het onlangs in die vakjoernaal Computers in Biology and Medicine verskyn.

As deel van hul navorsing het die groep data uit ʼn wêreldwye (Coswara) en ʼn nasionale (Sarcos - SARS COVID-19 Suid-Afrika) datastel gebruik. Die Coswara-datastel bevat data van mense wat positief getoets het vir COVID-19, asook dié van fisiek gesonde mense, terwyl die Sarcos-datastel data bevat van beide positiewe en negatiewe COVID-19-toetsuitslae. Slegs mense wat ʼn COVID-19-toets ondergaan het, is gevra om deel uit te maak van die Sarcos-datastel, terwyl dit enigiemand vry gestaan het om deel te wees van die Coswara-datastel. Hierdie twee datastelle bestaan uit opnames van verskillende hoesgeluide, versamel op al ses vastelande en is tydens of ná die akute fase van COVID-19 opgeneem is. Vir beide datastelle is deelnemers gevra om hoesopnames via ʼn webgebaseerde platform vir data-insameling op hul slimfone te verskaf.

“Ons ontleding van die opnames toon ʼn COVID-19-positiewe hoes is 15% - 20% korter as ʼn COVID-19-negatiewe hoes. Hierdie tipe klassifisering van verskillende soorte hoes is koste-doeltreffend en maklik om te gebruik, wat dit ʼn uitstekende opsie maak om kontak tydens COVID-19-toetsing te vermy," sê Pahar.

Die navorsers wys daarop dat die tegnologie wat ontwikkel word, nie as 'n amptelike vorm van toetsing beskou moet word nie, en dat dit ook nie geakkrediteerde toetsing moet vervang nie.

Klassifikasie van hoesbuie

Navorsers het die stilte tussen elke hoes in die opnames uitgeskakel wat ʼn hoogsdoeltreffende ontleding van nét die hoesgeluide moontlik gemaak het. Dit het gelei tot ʼn baie akkurate klassifikasie van elke soort hoes.

“Alle data is op slimfone vasgelê, ʼn toestel waarop ons klassifiseerder ook geïmplementeer kan word. Boonop kan dit oor ʼn afstand toegepas word en sodoende word kontak met mediese personeel vermy," sê Pahar. Hy is ook van mening dat hierdie tipe toetsing, wat menslike kontak beperk, die werkslading in toetssentrums kan verminder, asook oordrag kan beperk deur vroeë selfafsondering aan te beveel aan diegene wat ʼn hoes het wat op COVID-19 dui. Die navorsingspan ontwerp tans ʼn slimfoon-toepassing wat moontlik in die toekoms as ʼn COVID-19-klassifiseerder gebruik kan word.

Die navorsers verduidelik dat hoewel die stelsels wat hulle in hul studie beskryf, strenger validering op ʼn groter datastel vereis, hul resultate wel baie belowend is en daarop dui dat dit moontlik is om COVID-19 by individue te diagnoseer deur die outomatiese klassifikasie van verskillende tipes hoes.

Hulle verduidelik verder dat verskeie pogings aangewend is om vroeë simptome van COVID-19 te identifiseer deur kunsmatige intelligensie te gebruik wat op beelde toegepas is. “Respiratoriese data soos asemhaling, nies en hoes kan deur masjienleer-algoritmes verwerk word om sodoende respiratoriese siektes te diagnoseer."

Die navorsingspan sê hulle gaan voort met die uitbreiding van hul datastel en hulle gaan aanhou om oordragleer toe te pas om voordeel te trek uit ander, groter datastelle.

• Die publiek word uitgenooi om aan die studie deel te neem. Besoek https://coughtest.online/
• BRON: Pahar, M; Klopper, M; Warren, R; & Niesler, T. 2021. COVID-19 cough classification using machine learning and global smartphone recordings. Computers in Biology and Medicine 135/ 104572: https://doi.org/10.1016/j.compbiomed.2021.104572