Звуковые файлы превращаются в спектрограмму, показывающую энергию звука на разных частотах, и далее анализируются с помощью глубокой свёрточной нейронной сети. Для её тренировки использовались только открытые данные — это более тысячи образцов звуков дыхания и кашля, собранных с диагностированных пациентов в российских клиниках.
Александр Ведяхин, первый заместитель председателя правления Сбербанка:
«В начале ноября прошлого года мы заявили о готовности создать такой алгоритм и с тех пор времени зря не теряли. Конечно, наша модель пока не достигает точности биологического PCR, что неудивительно, но уже сейчас имеет сопоставимые характеристики. При этом она даёт возможность сделать настраиваемую чувствительность, гораздо проще в обращении, удобнее и, что немаловажно, дешевле. Это не медицинский диагностический инструмент, а скорее персональный ежедневный чекер — сдача теста и получение результата занимают всего 60 секунд! В ближайшее время мы планируем создать специальное приложение, которое станет доступно в App Store и Google Play. Это позволит ещё лучше настроить точность модели».
Средний ROC AUC (площадь под «кривой ошибок») созданной Сбером модели на данный момент равен 0,8. Ожидается дальнейшее улучшение качества модели при увеличении объёма данных, в том числе собранных с помощью мобильного приложения.
Информация предоставлена: пресс-служба Дальневосточного банка ПАО Сбербанк
На правах рекламы
