Ende Dezember legten Bradford Wood und seine Kollegen bei den National Institutes of Health im US-Bundesstaat Maryland ihre Studienergebnisse vor: Überraschend treffsicher konnte die KI herausfinden, ob Stimmproben aus YouTube-Audiodateien Menschen mit oder ohne Omikron-Infektion gehörten. Die Genauigkeit der Auswertung deute auf eine „Omikron-spezifische Kehlkopfentzündung“ als subtiles Merkmal eines Infekts hin, so die Forscher.
Im Rahmen der Studie wurden 93 Stunden Audiomaterial aus YouTube-Quellen analysiert. Von den Nutzern hatten laut den Forschern 183 Menschen zur Zeit der Aufnahme eine Covid-19-Infektion, als die Omikron-Variante dominant war, 120 hatten Covid-19, als eine andere Variante am häufigsten verbreitet war, 138 einen oberen Atemwegsinfekt, der keine Covid-19-Infektion war, und 192 keinerlei Atemwegserkrankungen.
KI soll Ausbreitung der Krankheitswellen im Blick behalten
Die randomisierte Auswertung der Audioproben kam zu einem akkuraten Ergebnis je nach verschiedenen Kriterien in bis zu 80 Prozent der Fälle. Die Forscher sehen dies als Beleg für „akustische Biomarker“ bei einem Covid-19-Infekt. Bei den Varianten vor Omikron seien diese allerdings nicht so stark ausgeprägt. Auch sei die Studie lediglich ein früher Versuch, weitere Forschung sei notwendig.
Langfristig hofft das Team jedoch auf schnelle, kostengünstige KI-Lösungen, um anhand von Social-Media-Inhalten die Entwicklung von Infektionstrends besser verfolgen zu können.
Apps als Alternative zu Schnelltests
Bereits im Sommer 2022 hatte ein weiteres Forscher-Team im Journal of Biomedical Informatics eine Studie veröffentlicht, die maschinelle Lernmodelle einsetzte, um aus Smartphone-Aufnahmen die Rhythmen und Klänge des Atmens von Patienten mit Covid-19 zu analysieren und mit bis zu 97 Prozent Erfolg korrekt zu diagnostizieren.
