如何通过AI分析婴儿哭声来挽救他们的生命？

你知道吗? 婴儿的哭声除了吵人耳朵之外还包含着其他信息。

一家尼日利亚的初创公司正使用人工智能  在这些哭声中寻找可能挽救生命的信息。

这家公司正在开发一种深度学习模型，能够让发展中国家的医院利用婴儿哭声数据来更好地治疗出生窒息症——新生儿最常见的致命症状之一。

世界卫生组织估计，每年有多达400万名新生儿因为出生窒息症或出生时缺氧而被夺去生命，这意味着，在五岁以下的死亡儿童中有超过三分之一都死于此症。

Charles Onu 是初创公司 Ubenwa的创办人（Ubenwa在 Igbo 语中的字面意思就是“婴儿的哭声”。Igbo 是一种语言，在尼日利亚和其他地方有数百万人在讲这种语言。），他在多年前读本科时了解到出生窒息症。他想运用自己所受的工程教育来解决这个问题。

上世纪 70 年代的一项研究指出人的声音与出生窒息症有关系，Onu 后来阅读了这项研究的资料，并开始思考出生窒息症与新生儿哭声之间的关系。

“正是这项工作带我走进了机器学习的世界。”Onu 说，“我不禁自问，我能在这方面做些什么吗?”

深度学习之路

Onu 在了解机器学习的过程中认识到，可以使用模式识别方法来有效识别新生儿哭声中的细微迹象。

最终，他与工程主管 Innocent Udeogu 一起创办了 Ubenwa，并从墨西哥研究人员那里获得了包含 1400 份婴儿哭声样本的数据集，然后着手开发机器学习算法，力求检测出婴儿哭声中的细微差别，以判断是否存在出生窒息症。

Ubenwa 总部位于尼日利亚，但 Onu 与蒙特利尔的一支小组合作开展研究（Onu 是位于蒙特利尔的McGill大学的研究生研究助理）。

NVIDIA TITAN X

2015 年，Onu 在神经信息处理系统研讨会上夺得医疗机器学习领域的最佳论文奖。奖品是一块 NVIDIA TITAN X 显卡。

Onu 和 Udeogu 将该 GPU 与 TensorFlow 深度学习库搭配使用，开发自己的模型。这家公司现在希望从医院获得更多数据，以便进一步验证其模型。这项工作还包括从 YouTube 等公共网站搜罗婴儿哭声的样本。

站在巨大影响的尖端

如果把 Ubenwa 的早期机器学习算法用作预测程序，这家公司将大有作为：它的首批模型在预测出生窒息症方面达到了 85% 的成功率，这项成果在最近发表的论文中有详细介绍。这已经帮助该公司杀入 IBM 举办多年的 Watson AI XPRIZE 大赛的第二轮（该项大赛的获胜者将获得 500 万美元奖金）。

在发达国家，医院经常在婴儿出生后立即抽取血液，用来筛查新生儿是否有出生窒息症等症状。然而，在其他地方，医院常常缺少必需的设备和专业技能，而且电力供应也不稳定。

Ubenwa 计划推出手机应用软件，用它来取代发展中国家的临床检查工作。护理人员可以使用 Ubenwa 的手机应用软件来记录婴儿哭声，然后，该应用会将哭声的振幅和频率模式与其深度学习模型进行对比，判定是否存在出生窒息症。

这家公司希望在 2020 年 1 月开始现场试验，最初主要以尼日利亚国内接近 2 亿的人口为试验对象。虽然监管方面很复杂，但 Onu 认为 Ubenwa 可以产生全球性影响，而且可能会从婴儿哭声中获取一些其他的诊断结果。

“婴儿猝死综合症和其他症状将可以被提早检测到，”他说道。