Savoir si des patients sont atteints du COVID-19 grâce à leur voix ? C’est le défi que se sont lancé plusieurs équipes de recherche. Depuis le début de la pandémie, plusieurs initiatives ont été prises afin de concevoir des programmes d’intelligence artificielle qui utilisent la reconnaissance vocale pour diagnostiquer une personne atteinte ou non de la maladie. Toutefois, malgré plusieurs projets de recherche aucun de ces modèles ne fonctionne totalement.
L’analyse de la voix pour diagnostiquer le COVID-19
Afin que nous puissions parler, la voix est indispensable. Il s’agit de l’ensemble des sons produits par les vibrations des cordes vocales, possibles grâce au passage de l’air à travers elles. De cette définition, on comprend que la qualité de la voix d’une personne dépend de sa respiration. Or, la dyspnée (l’essoufflement) est l’un des symptômes que peut éprouver une personne contractant le COVID-19.
Au fur et à mesure que la dyspnée se développe, elle peut également affecter la voix, plus particulièrement si on la conjugue à une toux sévère sollicitant les cordes vocales. La détérioration de la voix peut se présenter comme un “enrouement” avec des tons “saccadé”, “rugueux ou sec” ou bien avec une baisse du ton de la voix.
C’est en prenant en compte ce constat qu’une équipe de chercheurs s’est intéressée à la qualité de la voix des patients atteints de COVID-19. Cette analyse acoustique a fait le cadre d’une publication écrite par Maral Asiaee, Amir Vahedian-azimi, Seyed Shahab Atashi, Abdalsamad Keramatfar et Mandana Nourbakhsh, cinq chercheurs iraniens.
Les résultats ont montré des différences significatives entre les personnes en bonne santé et celles atteintes du COVID-19 et également entre les participants masculins et féminins testés. Cela est dû au fait que moins d’air est expulsé en parlant lorsque la personne est symptomatique et que les mouvements du larynx, ainsi que d’autres muscles respiratoires changent également.
Des programmes d’intelligence artificielle ne fonctionnant pas dans 100 % des cas
Plusieurs équipes de recherche ont pris les devants, en se basant sur ces analyses vocales, pour essayer de concevoir des programmes d’IA pour détecter le COVID-19 grâce à la reconnaissance vocale. Théoriquement, les chercheurs disposaient de suffisamment de données pour arriver à créer un modèle qui pourrait potentiellement donner un diagnostic efficace.
Un article publié par les chercheurs Mahmoud Al Ismail, Soham Deshumkh et Rita Singh, de l’Université Carnegie-Mellon, explique comment ils ont conçu un algorithme nommé ADLES, implémenté dans un système dynamique qui analyse l’oscillation des cordes vocales. Les échantillons de personnes testant le programme étaient composés de patients symptomatiques diagnostiqués positifs au COVID-19, et d’autres, non infectées. Cependant, le système n’a pas été testé sur des patients asymptomatiques atteints du COVID-19.
Les chercheurs eux-mêmes ont précisé que mesurer cela n’est possible que chez les patients présentant des symptômes et qu’il y a par conséquence des limites dans le programme informatique lorsqu’il s’agit de distinguer si les symptômes sont dus au COVID-19 ou bien à une autre pathologie.
Dans le cadre d’un autre projet de recherche mené par Tong Xia, Jing Han, Lorena Qendro, Ting Dang et Cecilia Mascolo de l’Université de Cambridge, les chercheurs reconnaissent que leur modèle n’est pas parfait. Leurs modèles de machine learning sont capables de détecter certaines nuances dans les sons émis par les personnes atteintes de COVID-19, mais la précision de la reconnaissance varie.
