咳嗽、语言甚至呼吸，这些我们日常发出的声音中蕴含着丰富的健康信息。隐藏在这些生物声学信号中的细微线索，可能会彻底改变我们筛查、诊断、监测和管理各种健康问题的方式，如结核病（TB）或慢性阻塞性肺病（COPD）。Google的研究人员认识到声音作为健康信号的潜力，同时也意识到智能手机的麦克风已广泛普及。基于此，Google正探索如何利用人工智能（AI）从声学数据中提取健康见解。
今年早些时候，Google推出了Health Acoustic Representations（简称HeAR），这是一种生物声学基础模型，旨在帮助研究人员构建能够监听人体声音并识别早期疾病迹象的模型。Google Research团队从多样化且去识别化的数据集中挑选了3亿条音频数据，对HeAR进行了训练，特别是通过1亿条咳嗽声音数据训练了咳嗽模型。
HeAR学习辨别与健康相关的声音模式，为医学音频分析奠定了强大的基础。研究发现，HeAR在多项任务上平均表现优于其他模型，尤其在跨麦克风的泛化能力上，展现了其在捕捉健康相关声学数据中的有意义模式的卓越能力。基于HeAR训练的模型在数据量较少的情况下也能取得高性能，这对医疗研究领域的数据稀缺问题尤为重要。
HeAR现已开放给研究人员，旨在加速定制生物声学模型的发展，即便数据稀少或存在成本与计算限制，也能为特定病症和人群开展进一步研究提供支持。
位于印度的呼吸健康科技公司Salcit Technologies已开发了一款名为Swaasa®的产品，利用AI分析咳嗽声音来评估肺部健康。如今，该公司正探索如何借助HeAR扩展其生物声学AI模型的能力。作为起点，Swaasa®正利用HeAR来加强其基于咳嗽声音的结核病早期检测研究。
结核病是一种可治疗的疾病，但每年仍有数百万病例未被诊断，原因通常是人们无法便捷地获得医疗服务。改善诊断对于根除结核病至关重要，AI在提升检测能力、使医疗服务变得更为普及和负担得起方面可以发挥重要作用。Swaasa®过去一直利用机器学习帮助疾病早期检测，通过提供无需设备的、与地点无关的呼吸健康评估，弥合了可及性、负担能力和可扩展性之间的差距。借助HeAR，他们希望基于这项研究，在印度更广泛地开展结核病筛查。
“每一个错过的结核病病例都是一种悲剧；每一次迟来的诊断都令人心碎。”Google Research负责HeAR项目的产品经理Sujay Kakarmath表示。“声学生物标志物有可能改写这一局面。我为HeAR在这场变革旅程中所能发挥的作用深感自豪。”
这一方法也得到了包括“终止结核病伙伴关系”（StopTB Partnership）等组织的支持。该组织隶属于联合国，汇聚了结核病专家和受影响的社区，目标是在2030年消除结核病。
“像HeAR这样的解决方案，将使得AI驱动的声学分析在结核病筛查和检测中开辟新天地，为最需要的人提供一种潜在的低成本、可及工具。”Stop TB Partnership的数字健康专家Zhi Zhen Qin表示。
HeAR代表了声学健康研究的一个重要进展。Google希望通过研究，推动未来在结核病、胸肺疾病及其他疾病领域的诊断工具和监测解决方案的发展，从而帮助全球各地的社区改善健康结果。
