گروه علمی:محققان دانشگاه بوفالو از ایربادهای بلوتوثی و یک سیستم هوش مصنوعی یادگیری عمیق برای تشخیص سه مشکل گوش استفاده کردند. آنها برای این منظور یک تست صوتی غیرتهاجمی طراحی کردند که از اصوات شبیه سونار برای ردیابی ساختار گوش استفاده می کند.
سیستم مذکور «EarHealth» نام دارد و با استفاده از یک جفت ایرباد بلوتوثی مجهز به میکروفون هایی که به سوی صورت فرد هستند و اپلیکیشن موبایل مشکلات مذکور را ردیابی می کند. این سیستم سیگنال های صوتی به گوش می فرستد و در مرحله بعد میکروفون ها شیوه انعکاس سیگنال ها در کانال گوش را ثبت می کنند و به این ترتیب سیستم می تواند یک پروفایل جداگانه برای شکل گوش داخلی فرد بسازد.
هنگامیکه فرد در سلامت است، از او خواسته می شود متنی را بخواند تا به عنوان مبنا ثبت شود و سپس همین تست به طور مرتب انجام می شود تا هرگونه تغییری رصد شود. در آزمایش های انسانی ۹۲ داوطلب شرکت کردند و سیستم توانست فقط با کنترل تغییراتی در گوش داخلی و هندسه آن ۳ بیماری معمول که گوش را تغییر می دهند را با دقت ۸۲.۶ درصد ردیابی کند.
این ۳ مشکل، مسدود شدن گوش به دلیل جرم ، پاره شدن پرده گوش و ابتلا به نوعی عفونت گوش به نام ostitis media بودند. همچنین این سیستم در بسیاری از موارد توانست مشکلات گوش را قبل از آنکه به یک بیماری جدی تبدیل شوند، تشخیص دهد.
ژان پنگ جین مولف ارشد پژوهش در این باره می گوید: ما با توسعه EarHealth نخستین سیستم مبتنی بر ایرباد را برای رصد مشکلات گوش ابداع کردیم که روشی موثر، ارزان و سهل الاستفاده است. از آنجا که با این سیستم می توان مشکلات را به سرعت ردیابی کرد، در نتیجه سلامت بسیاری از افراد ارتقا می یابد.محققان هم اکنون با بررسی آنکه چگونه موهای گوش، تورم پرده گوش و دیگر عوامل روی خوانش اطلاعات توسط دستگاه تاثیر می گذارند، مشغول ارتقای دقت سیستم هستند.