自建基礎模型HeAR，可聽咳嗽和呼吸聲辨別肺結核風險

另一項醫療AI專案名為HeAR（Health Acoustic Representations ）。Google健康總監暨工程部主任Shravya Shetty表示， HeAR是一款經過3億個音訊檔案訓練而成的AI基礎模型，在今年初發表，可根據人體聲音特徵來判斷疾病風險。官方部落格還指出，與其他同類型AI模型相比，HeAR可以用更少的資料量，達到同等或更好的表現，有助於在醫療界的應用發展。

Google也用了1億個咳嗽聲音檔案來訓練HeAR，可用來辨識早期肺結核風險。Shravya Shetty指出，使用者對著手機咳嗽，HeAR也能準確判斷。該模型已開放API來供研究人員使用，Google也與一家印度呼吸道醫療照護公司Swaasa合作，要改善他們的生物聲學AI模型。

Shravya Shetty也說，Google也正與其他機構合作，要來提高HeAR準確率，並發展出更多疾病的辨識能力。

以AI強化聽力輔助工具，要提供更清晰自然的聆聽體驗

另一個Google醫療AI專案則是「澳洲未來聽力倡議 」，該倡議去年展開，由Google與澳洲人工電子耳公司Cochlear、澳洲國家聲學實驗室等機構聯手，要透過AI分辨、分離各種聲源，在嘈雜環境中降低雜音，來打造更貼近使用者需求的助聽裝置。

Cochlear總監Zachary Smith表示，一般聽力輔助器可分為兩種，一是助聽器，可用來放大、增強進入耳朵的聲音，另一種是人工電子耳，針對聽力損失嚴重的患者，透過繞過耳朵受損之處、直接將聲音訊號傳送至聽力神經。這些助聽裝置，延伸出2種AI研究專案，一是利用深度學習來讓傳入耳中的聲音貼近自然，二是用AI簡化雞尾酒派對效應問題（即在吵雜聚會中，集中聽某一人的聲音而忽略背景對話和噪音）。

在第一個專案，團隊先建置2種模型（如下圖），一是聽力受損的AI模型，另一是聽力正常的模型，並讓2種模型接收測試音訊，接著比對它們對測試音訊產生的聽力訊號，再利用訊號差異來訓練機器學習助聽器。這個機器學習助聽器會搭配聽力受損的AI模型，若其產出的聽力訊號與正常聽力AI模型一樣，就代表訓練完成了。團隊希望透過這種方式，來讓助聽器和人工電子兒使用者聽到的聲音更自然，Zachary Smith表示，目前模型已經完成訓練，接下來將展開人體實驗。

至於第二個專案，他們研究發現，透過麥克風方向設定，已能完全強化主要音、去除背景雜音，接下來是要做到，麥克風在任何方向依然能保留主要音、降低其他噪音。