(相關資料圖)

語音數據的美妙之處在于，它可能是你能從人們身上收集到的最便宜的數據類型之一。這是一種非常容易獲得的信息，你可以從任何病人那里獲得。過去幾年的研究已經探索了語音幫助診斷疾病的潛力，但大多數都是小規模和孤立的，也沒有任何大型的語音數據數據庫，而且這是一個新的研究領域，研究人員還沒有找出圍繞如何收集語音信息進行研究的最佳做法，現在這個項目將建立如何收集數據的標準。

該項目是通過美國國立衛生研究院的Bridge2AI項目資助的，該項目支持建立道德的、嚴格的和可訪問的數據集，可用于開發AI工具。該項目將持續四年，在此期間可獲得高達1400萬美元的資金。該研究團隊將首先建立一個應用程序，從患有聲帶麻痹、阿爾茨海默病、帕金森病、抑郁癥、肺炎和自閉癥等疾病的參與者那里收集語音數據。所有的語音收集將由臨床醫生監督。例如，患有帕金森病的人--他們的聲音可能更低，他們說話的方式也更慢，他們將被要求說出聲音，閱讀句子，并通過該應用程序閱讀全文。

然后，他們將使用這些數據集來建立可以檢測各種情況的人工智能模型。研究團隊正在與醫療人工智能公司Owkin合作，在該項目中建立和訓練人工智能模型。Owkin的框架讓病人數據留在收集數據的醫療中心，該模型在每個數據集上單獨學習，然后將這些訓練的結果返回到一個中心位置，在那里將它們合并起來。然后，更新的綜合模型被送回每個地方，這個過程再次開始。

這為語音數據提供了額外的隱私保護，它的獨特之處在于它可以很容易地與它的來源者聯系起來。人們的聲音很容易被識別，即使他們的名字被刪除。一個生物倫理學家團隊正在為該項目工作，研究語音數據庫和基于語音的診斷的倫理和法律影響。Bensoussan說，他們將思考，例如，聲音是否受到《健康保險可攜性和責任法案》（或HIPAA）的保護，以及病人是否擁有自己的聲音數據。

醫學研究人員并不是唯一對使用語音診斷疾病感興趣的群體，制造語音助手的大型科技公司也是如此。亞馬遜擁有專利，可以利用Alexa來找出人們是否有情緒問題，如抑郁癥，或身體問題，如喉嚨痛。理論上，如果某人的聲音顯示出阿爾茨海默氏癥等疾病的跡象，被動的家庭語音助手可以標記出這種情況。這將引起另一層倫理和法律問題，專家們已經開始思考這個問題。