Aplikasi Mobile Diklaim Akurat Deteksi Covid, Cuma Pakai Suara

Tes Covid-19
Sumber :
  • Unsplash.com

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.

iQOO Z10R 5G Unggulkan Performa dan Baterai 6500 mAh, Benarkah Tahan Seharian?

“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.

7 Rekomendasi HP Entry-Level Terbaik 2025: Performa Kencang dan Harga Tetap Ramah Dompet

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.

Bawa Motor Naik Kereta Gratis? KAI Buka Pendaftaran Angkut Motor Gratis Nataru 2025, Cek Syaratnya!

“Hasil ini menunjukkan peningkatan yang signifikan dalam akurasi diagnosis Covid-19 dibandingkan dengan uji mutakhir seperti tes antigen. Dengan kata lain, dengan model AI LSTM, kita bisa kehilangan 11 dari 100 kasus yang akan menyebarkan infeksi, sedangkan antigen akan kehilangan 44 dari 100 kasus," ujar Aljbawi.

Para peneliti menekankan bahwa hasil mereka perlu divalidasi dengan tes lain dalam jumlah besar. Untuk tujuan ini, mereka telah mengumpulkan 53.449 sampel audio dari 36.116 peserta, yang mereka rencanakan untuk digunakan dalam meningkatkan dan memvalidasi keakuratan model. Mereka juga melakukan analisis lebih lanjut untuk memahami parameter mana dalam suara yang memengaruhi model AI.