Tampone Vocale COVID19 per Hermes

Conclusa la sperimentazione sul Tampone Vocale COVID19 proposto da Voicewise per il progetto HERMES per ESA (agenzia spaziale europea).

Il progetto HERMES mira a fornire soluzioni innovative a supporto delle emergenze sanitarie per una risposta e un monitoraggio ottimizzati delle epidemie nella società. Ciò si ottiene attraverso l’integrazione di tecnologie avanzate di telemedicina e sanità digitale, tra cui il nuovo sensore digitale IoT, nonché raggi X, TAC e nuovi strumenti di screening (analisi vocale VOICEWISE). Potenti strumenti di IA elaborano questi dati per aiutare gli operatori sanitari a identificare e monitorare anche la diffusione del SARS-CoV-2. Il sistema è concepito anche per fornire supporto logistico alle Aziende Sanitarie Locali utilizzando tecnologie GNSS.

Analisi dei risultati

Il modello AI/ML di Voicewise si è evoluto nel tempo, con la versione 1.7 in esecuzione sulla maggior parte dei campioni di dicembre e diverse versioni secondarie della v1.8 in arrivo per possibili espansioni future. Nella fase di addestramento sono state utilizzate registrazioni dall’Ospedale San Matteo di Pavia partner storico di Voicewise. L’accuratezza del test del modello AI/ML sui dati di Pavia (set di dati selezionato) rimane dell’82,5% dato che Pavia storicamente ha avuto registrazioni più accurate e casi di test più positivi. La precisione in loco per dicembre 2021 è del 96%. La qualità audio dei campioni in loco è profondamente diversa tra le due location: Fiumicino è in una tenda, ed è stata trattata acusticamente da un tecnico del suono di Voicewise, mentre il furgone di Cagliari produce file più rumorosi, in particolare per quanto riguarda il rumore statico e dei macchinari. L’accuratezza finale dell’intera prova in campo HERMES è del 97%, valutata su tutti i campioni utilizzabili, per un totale di 241 istanze. Sebbene la maggior parte delle percentuali riportate superino i KPI, è necessario precisare che i dati sono fortemente sbilanciati verso la classe “negativa”, a causa delle condizioni ambientali. Inoltre, la maggior parte dei positivi è generalmente asintomatica al momento della registrazione, e la variante Omicron, che è la più comune all’interno dei dati sperimentali per ragioni temporali, presenta una sintomatologia significativamente diversa rispetto alle varianti precedenti, soprattutto quelle precoci (Fase 1), e può essere considerato generalmente più mite e meno aggressivo sui polmoni. Fatte queste premesse, è ragionevole che i modelli AI/ML abbiano iniziato a mostrare un trend di biasing verso la classe “negativa”. Sebbene l’intero esperimento abbia suggerito la necessità di studi separati per voci asintomatiche e varianti e/o stadi COVID, noi continuano a sostenere che una rapida raccolta di un gran numero di dati sia il punto chiave in una situazione del genere. In conclusione riteniamo fortemente che possiamo migliorare il KPI nel prossimo futuro aggiornando il modello AI/ML coprendo la nuova variante Omicrom e ulteriori nuove variazioni/mutazioni.

Rif: https://business.esa.int/projects/hermes