最新の研究によると、Amazon AlexaやGoogle Homeなどのデジタルアシスタントは、将来、誰かが心臓発作を起こしているのを自動的に検知し、医療援助を要請できるようになるかもしれない。
スマートスピーカーは常にウェイクワードを聞き取り、ニューラルネットワークの改良と、その所有者へのマーケティング活動のために、聞こえたすべての情報を録音しています。率直に言って、これは不気味です。しかし、米国シアトルのワシントン大学の研究者たちは、自宅に常時聞き取り機能を持つサイバーアシスタントを設置することにはメリットがあると考えています。
「多くの人が自宅にスマートスピーカーを持っており、これらのデバイスは私たちが活用できる素晴らしい機能を持っています」と、今週npj Digital Medicineに掲載された研究の共著者であるシャム・ゴラコタ氏は述べた。
「私たちが構想しているのは、寝室で呼吸困難の兆候がないか継続的に受動的にモニタリングし、近くにいる人にCPRを行うよう警告する非接触型システムです。そして、反応がない場合、デバイスが自動的に911に通報します。」
このシステムは、サポートベクターマシン（SVM）と呼ばれる機械学習アルゴリズムの一種に基づいています。デジタルアシスタント機器に搭載されたマイクを通して、心臓発作時の息切れに伴う喘鳴や息切れを聞き取るように学習させることができます。
研究者らは、2009年から2017年の間にシアトルの緊急サービスに実際にかけられた911番通報のデータセットを使ってアルゴリズムを訓練した。彼らは162件の心停止通報を分析し、それぞれ約2.5秒間のクリップを236本撮影した。
データセットをさらに強化するため、研究チームは録音を屋内外の環境から1メートル、3メートル、6メートルの距離で異なる音量で再生し、3つのデバイスを用いて録音しました。1つはAmazon Alexa、2つ目はiPhone 5s、3つ目はSamsung Galaxy S4です。これは、正当な緊急通報が可能な状況の範囲を広げることが狙いでした。こうして、心臓発作を起こした人のサンプルを合計7,316件生成・収集し、この膨大な音声データを用いてSVMを学習させました。
SVMは、睡眠データセットとも呼ばれるネガティブデータセットでも学習されました。このデータセットには、心臓発作とは関連しない他の種類のノイズの音声サンプルが7,305件含まれています。いびき、睡眠中の呼吸音、ポッドキャストやホワイトノイズといった寝室でよく聞く背景ノイズなども含まれており、SVMアルゴリズムが実際の心停止音と誤検知を識別できるようにしています。
おっと、これを機能させるにはノイズキャンセリングが必要です
研究者らが陽性データセットのサンプルでシステムをテストしたところ、デバイスを音源から6メートル離れた場所に設置した場合、心臓発作に関連するノイズを約96%の確率で正確に識別しました。しかし、問題があります。このシステムは、研究者らがノイズキャンセルアルゴリズムを適用して背景ノイズを消音した場合にのみ、実際に機能するのです。
科学者のニューラルネットワークは、あなたの会話から精神病を発症するかどうかを判断できる
続きを読む
ノイズキャンセルアルゴリズムを適用しないと、心臓発作の検出率は5%弱まで急激に低下します。つまり、テレビやルンバロボットがブンブンと音を立て、あなたの最期の息づかいを録音する機器がこうした雑音を補正できない場合、機械はあなたの苦痛の呻き声を聞き取れない可能性が高いということです。
朗報があります。SVMモデルを睡眠データから収集した82時間以上の素材でテストしたところ、偽陽性率は約0.14%と非常に低かったのです。研究者らが35の異なる寝室で記録された164時間分の実際のデータでアルゴリズムをテストしたところ、偽陽性率は0.22%に上昇しました。
「今のところ、シアトル都市圏の911番通報を使った概念実証としては良好です」とゴラコタ氏は述べた。「しかし、アルゴリズムの精度をさらに向上させ、より広い範囲に適用できるようにするためには、心停止に関連する911番通報をもっと多く集める必要があります。」
SVMは最高レベルのノイズキャンセリング機能がなければ機能しないため、結果は平凡なものにとどまっているものの、研究者たちはこのモデルをさらに改良し、この技術を商用化したいと考えています。ゴラコタ氏は、SVMをアプリに組み込んだり、Amazon AlexaやGoogle Homeなどのデジタルアシスタントに組み込んだりできると考えています。
「これはAlexaに搭載されているプロセッサ上でローカルに実行できます。リアルタイムで実行されるので、クラウドに何かを保存したり送信したりする必要はありません」と彼は付け加えた。®
