Aplikasi Mobile Diklaim Akurat Deteksi Covid, Cuma Pakai Suara
- Unsplash.com
Guna melatih algoritma yang digunakan, Aljbawi dan tim peneliti lain menggunakan data aplikasi suara yang dikumpulkan oleh Universitas Cambridge. Data tersebut terdiri dari 893 sampel audio dari 4.352 peserta sehat dan tidak sehat, 308 di antaranya dinyatakan positif Covid- 19.
Aplikasi yang mereka kembangkan dapat diinstal pada ponsel pengguna. Sebelum menggunakannya, para peserta harus lebih dulu melaporkan beberapa informasi dasar tentang pribadi mereka, yakni demografi, riwayat kesehatan dan status merokok. Mereka kemudian akan diminta untuk merekam beberapa suara dan pernapasan, di antaranya batuk tiga kali, bernapas dalam-dalam melalui mulut tiga sampai lima kali, dan membaca kalimat pendek di layar tiga kali.
Para peneliti menggunakan teknik analisis suara yang disebut analisis spektogram Mel. Teknik ini mengidentifikasi suara yang berbeda, seperti kenyaringan, kekuatan dan variasi dari waktu ke waktu.
“Untuk membedakan suara pasien Covid-19 dari mereka yang tidak memiliki penyakit, kami membangun model kecerdasan buatan yang berbeda dan mengevaluasi mana yang paling efektif dalam mengklasifikasikan kasus Covid-19,” kata Aljbawi.
Model yang paling baik kinerjanya adalah yang dikenal sebagai Long-Short Term Memory (LSTM). LSTM didasarkan pada jaringan saraf, yang meniru cara otak manusia beroperasi dan mengenali hubungan yang mendasari data. Model ini bekerja dengan urutan, membuatnya cocok untuk menganalisa gejala yang dikumpulkan dari waktu ke waktu, seperti dari suara, karena kemampuannya untuk menyimpan data dalam memorinya.
Akurasi keseluruhan aplikasi adalah 89 persen, sama dengan kemampuannya untuk mendeteksi kasus positif dengan benar (sensitivitas). Kemampuannya untuk mengidentifikasi kasus negatif (spesifitas) dengan benar adalah 83 persen.
Sebaliknya, tes Covid-19 yang selama ini dilakukan diklaim memiliki sensitivitas 56 persen, tetapi tingkat spesifisitas lebih tinggi dari 99,5 persen. Ini berarti bahwa tes tersebut lebih sering salah mengklasifikasikan orang yang terinfeksi sebagai negatif Covid-19.
