Bild.de Hier geht es zurück zu Bild.de

Studie

Handy-App erkennt mit hoher Wahrscheinlichkeit Corona-Infektion an der Stimme 

app covid-infektion: Frau spricht in ihr Handy
Forscher testeten Modelle künstlicher Intelligenz, die es langfristig ermöglichen könnten, Corona-Selbsttests via Handy-Apps durchzuführenFoto: Getty Images

Warn-Apps machen auf Kontakte mit Covid-Infizierten aufmerksam, Impfzertifikate lassen sich über das Handy verwalten – und bald kann man nur mithilfe seines Smartphones womöglich einen Corona-Selbsttest durchführen.

Forscher der Universität Maastricht (Niederlande) stellten auf dem European Respiratory Society International Congress in Barcelona (Spanien) jetzt Studienergebnisse zu einer App vor, mit der sich eine Corona-Infektion anhand der Stimme einer Person erkennen lassen soll. Die App funktioniert mithilfe künstlicher Intelligenz (KI) und soll zuverlässigere Resultate liefern als die aktuell verbreiteten Selbsttests.

App zur Erkennung von Corona-Infektionen im Test

Um zu prüfen, ob und mit welcher Art von KI eine App eine Corona-Infektion erkennen kann, testeten die Wissenschaftler verschiedene Modelle. Dafür nutzten sie Daten der „Covid-19 Sound“-App, die Teil eines Forschungsprojekts der University of Cambridge ist. Diese App ist seit 2020 für gewisse Zielgruppen bei Google Play downloadbar. Sie soll helfen, einen Algorithmus zu enwickeln, mit dem man anhand der Stimme, des Atems oder Hustens Covid-Fälle identifizieren kann.

FITBOOK Workout

Wie funktioniert die App?

Nutzer der App laden sie einfach auf ihr Handy und füttern sie zunächst mit demografischen Daten, Informationen zur medizinischen Vorgeschichte und dem Raucherstatus. Dann fordert die App sie auf, verschiedene Atemgeräusche aufzunehmen. Dazu zählen: dreimal husten, drei- bis fünfmal tief durch den Mund einatmen und dreimal einen auf dem Screen angezeigten Satz vorlesen.

Die niederländische Studie bezog sich auf 893 Audio-Aufnahmen von 4352 App-Nutzern, von denen sich 308 mit Corona infizierten.

Auch interessant: Digitales Impfzertifikat läuft ab? Das sollten Sie jetzt tun

App erkannte 89 Prozent positiver Fälle

Für die Stimmanalyse verwendeten die Forscher die Mel-Spektrogrammanalyse. Dabei handelt es sich um eine Technik, die verschiedene Stimmmerkmale wie Lautstärke, Kraft der Stimme und zeitliche Veränderungen darstellt. Dabei erkannten sie, dass ein KI-Modell namens Long-Short-Term-Memory (LSTM) im Vergleich zu anderen KI-Modellen am besten funktionierte.

Das Modell konnte zu 89 Prozent korrekt positive Covid-Infektionen identifizieren. Fast genauso gut, nämlich zu 83 Prozent, konnte es negative Fälle erkennen. Mithilfe des Modells konnte die App also nicht nur zuverlässig ermitteln, ob eine Person sich mit dem Virus infiziert hatte, sondern auch klar ausmachen, ob eine Person gesund – also nicht mit dem Virus infiziert – ist.1

Auch interessant: Mann steckt sich gleichzeitig mit Corona, HIV und Affenpocken an

App zuverlässiger als herkömmliche Selbsttests?

Gegenüber herkömmlichen Selbtstests auf Basis des sogenannen Lateral-Flow-Tests hätte die App laut den Forschern sowohl einen Vor- als auch einen Nachteil. „Der Lateral-Flow-Test hat eine Sensitivität von nur 56 Prozent, aber eine höhere Spezifität von 99,5 Prozent“, erklärt Wafaa Aljbawi von der Universität Maastricht.

Sensivität meint die Wahrscheinlichkeit, dass eine mit Covid infizierte Person auch tatsächlich ein positives Testergebnis erhält. Die Spezifizität meint die Wahrscheinlichkeit, dass eine nicht-infizierte Person auch korrekterweise ein negatives Testergebnis erhält. Auf konkrete Fälle umgemünzt, erläutert Aljbawi: „Es bedeutet, dass der Lateral-Flow-Test infizierte Personen häufiger als Covid-19-negativ einstuft als unser Test. Mit anderen Worten: Mit dem KI-LSTM-Modell könnten wir 11 von 100 Fällen übersehen, die die Infektion weiterverbreiten würden, während der Lateral-Flow-Test 44 von 100 Fällen übersähe.“

Auf der anderen Seite kann das in der App getestete KI-Modell nicht mit der Spezifizität des herkömmlichen Selbsttest-Verfahrens mithalten. „Die hohe Spezifität des Lateral-Flow-Tests bedeutet, dass nur eine von 100 Personen fälschlicherweise als Covid-19-positiv eingestuft würde, obwohl sie in Wirklichkeit nicht infiziert sind. Dagegen würde der LSTM-Test 17 von 100 nicht infizierten Personen fälschlicherweise als positiv einstufen.“

Auch interessant: Die ersten Corona-Symptome zeigen sich mit jeder neuen Variante früher

Wieso lässt sich Corona-Infektion an der Stimme erkennen?

Die Idee, zu testen, ob man anhand stimmlicher Veränderungen eine Corona-Infektion messen kann, kam den Wissenschaftlern, weil das Coronavirus eine Erkrankung der oberen Atemwege verursacht. Das zieht auch die Stimmbänder in Mitleidenschaft und führt zu Veränderungen der Stimme.

Wie kann die Anwendung der App in der Praxis aussehen

Ein großer Vorteil des KI-Modells sei, dass sie dauerhaft Kosten sparen könnte. Wenn die App erst einmal ausgereift und verfügbar sei, könne sie kostenlos angeboten werden. Dies könnte – so hoffen die Wissenschaftler – auch die schlechtere Performance in Sachen Spezifizität wettmachen. Positiv getestete Personen, bei denen die Infektion (etwa aufgrund mangelnder Symptome) infrage gestellt werden könnte, könnten dann noch PCR-Test machen, um sicherzugehen.

Quelle

Themen

afgis-Qualitätslogo mit Ablauf Jahr/Monat: Mit einem Klick auf das Logo öffnet sich ein neues Bildschirmfenster mit Informationen über FITBOOK und sein/ihr Internet-Angebot: www.fitbook.de

FITBOOK erfüllt die afgis-Transparenzkriterien.
Das afgis-Logo steht für hochwertige Gesundheitsinformationen im Internet.

afgis-Qualitätslogo mit Ablauf Jahr/Monat: Mit einem Klick auf das Logo öffnet sich ein neues Bildschirmfenster mit Informationen über FITBOOK und sein/ihr Internet-Angebot: www.fitbook.de

FITBOOK erfüllt die afgis-Transparenzkriterien.
Das afgis-Logo steht für hochwertige Gesundheitsinformationen im Internet.

Deine Datensicherheit bei der Nutzung der Teilen-Funktion
Um diesen Artikel oder andere Inhalte über Soziale-Netzwerke zu teilen, brauchen wir deine Zustimmung für