De ShutEye à SleepScore, plusieurs applications pour smartphone sont disponibles si vous essayez de mieux comprendre l’impact du ronflement sur votre repos, vous permettant de laisser le microphone allumé pendant la nuit pour enregistrer vos grognements nasaux rauques et vos réverbérations de gorge. Mais alors que les applications pour smartphone sont utiles pour suivre la présence de ronflements, leur précision reste un problème lorsqu’elles sont appliquées aux chambres du monde réel avec des bruits parasites et plusieurs personnes audibles.
Des recherches préliminaires de l’Université de Southampton examinent si vos ronflements ont une signature sonore qui pourrait être utilisée pour l’identification. “Comment suivez-vous réellement le ronflement ou la toux avec précision?” demande Jagmohan Chauhan, professeur adjoint à l’université qui a travaillé sur la recherche. Les modèles d’apprentissage automatique, en particulier les réseaux de neurones profonds, pourraient aider à vérifier qui exécute cette symphonie ronflement-phonique.
Bien que la recherche en soit encore à ses débuts, elle s’appuie sur des études évaluées par des pairs qui ont utilisé l’apprentissage automatique pour vérifier les créateurs d’un autre son riche en données, souvent entendu transpercer le silence sanguinaire de la nuit : la toux.
Des chercheurs de Google et de l’Université de Washington ont mélangé l’audio de la parole humaine et la toux dans un ensemble de données, puis ont utilisé une approche d’apprentissage multitâche pour vérifier qui a produit une toux particulière dans un enregistrement. Dans leur étude, l’IA a obtenu des résultats 10 % supérieurs à ceux d’un évaluateur humain pour déterminer qui a toussé dans un petit groupe de personnes.
Matt Whitehill, un étudiant diplômé qui a travaillé sur le document d’identification de la toux, remet en question une partie de la méthodologie sous-jacente à la recherche sur le ronflement et pense que des tests plus rigoureux réduiraient son efficacité. Pourtant, il considère que le concept plus large d’identification audible est valide. «Nous avons montré que vous pouviez le faire avec la toux. Il semble très probable que vous puissiez faire la même chose avec le ronflement », explique Whitehill.
Ce segment de l’IA basé sur l’audio n’est pas aussi largement couvert (et certainement pas en termes aussi explosifs) que les processeurs de langage naturel comme ChatGPT d’OpenAI. Mais peu importe, quelques entreprises trouvent des moyens d’utiliser l’IA pour analyser les enregistrements audio et améliorer votre santé.
Resmonics, une société suisse spécialisée dans la détection des symptômes des maladies pulmonaires par l’IA, a publié un logiciel médical certifié CE et disponible pour les Suisses via l’application myCough. Bien que le logiciel ne soit pas conçu pour diagnostiquer la maladie, l’application peut aider les utilisateurs à suivre le nombre de toux nocturnes qu’ils subissent et le type de toux le plus répandu. Cela offre aux utilisateurs une compréhension plus complète de leurs schémas de toux pendant qu’ils décident si une consultation médicale est nécessaire.
David Cleres, cofondateur et directeur de la technologie chez Resmonics, voit le potentiel des techniques d’apprentissage en profondeur pour identifier la toux ou le ronflement d’une personne en particulier, mais estime que de grandes percées sont encore nécessaires pour ce segment de la recherche sur l’IA. “Nous avons appris à la dure chez Resmonics que la robustesse aux variations des appareils d’enregistrement et des emplacements est aussi difficile à obtenir que la robustesse aux variations des différentes populations d’utilisateurs”, écrit Cleres par e-mail. Non seulement il est difficile de trouver un ensemble de données avec une gamme d’enregistrements naturels de toux et de ronflement, mais il est également difficile de prédire la qualité du microphone d’un iPhone de cinq ans et où quelqu’un choisira de le laisser la nuit.
Ainsi, les sons que vous faites au lit la nuit peuvent être traçables par l’IA et différents des sons nocturnes produits par d’autres personnes de votre foyer. Les ronflements pourraient-ils également être utilisés comme une biométrie liée à vous, comme une empreinte digitale ? Des recherches supplémentaires sont nécessaires avant de tirer des conclusions prématurées. “Si vous cherchez du point de vue de la santé, cela pourrait fonctionner”, dit Chauhan. “D’un point de vue biométrique, nous ne pouvons pas être sûrs.” Jagmohan souhaite également explorer comment le traitement du signal, sans l’aide de modèles d’apprentissage automatique, pourrait être utilisé pour aider à repérer les ronfleurs.
En ce qui concerne l’IA dans les établissements de soins de santé, les chercheurs passionnés et les entrepreneurs intrépides continuent de rencontrer le même problème : une pénurie de données de qualité facilement disponibles. Le manque de données diversifiées pour la formation à l’IA peut constituer un danger tangible pour les patients. Par exemple, un algorithme utilisé dans les hôpitaux américains a dépriorisé les soins aux patients noirs. Sans des ensembles de données robustes et une construction de modèle réfléchie, l’IA fonctionne souvent différemment dans des circonstances réelles que dans des contextes de pratique aseptisés.
“Tout le monde est vraiment en train de passer aux réseaux de neurones profonds”, explique Whitehill. Cette approche à forte intensité de données accroît encore le besoin de rames d’enregistrements audio pour produire des recherches de qualité sur la toux et les ronflements. Un modèle d’apprentissage automatique qui suit quand vous ronflez ou piratez un poumon n’est pas aussi mémorable qu’un chatbot qui crée des sonnets existentiels sur Crunchwrap Supreme de Taco Bell. Cela vaut toujours la peine d’être poursuivi avec vigueur. Bien que l’IA générative reste une priorité pour de nombreuses personnes dans la Silicon Valley, ce serait une erreur d’appuyer sur le bouton de répétition d’autres applications d’IA et de ne pas tenir compte de leurs possibilités dynamiques.
