Im März erhielt das Entwickler-Team die Möglichkeit, zum aktuellen Covid-19-Virus zu forschen. Das Ziel ist es, eine für niedergelassene Ärzte und Interessierte unkomplizierte Anwendung auf der Basis von Smartphone-Technologie zu entwickeln, die das Erkennen einer Covid-19-Infektion berührungslos, in Echtzeit und sogar auf Distanz ermöglicht. Schuller begann Stimmenaufnahmen aus Wuhan, die er von chinesischen Kollegen erhielt, auszuwerten. Insgesamt verarbeitete das Team zunächst etwa 50 Stimmen von Covid-19-Patienten und etwa 50 Stimmen von nicht infizierten Patienten. „Diese Auswertungen waren erste Lernbeispiele für unseren Computer. Je mehr Stimmen wir auswerten können, umso genauer kann die App später funktionieren”, erklärt der Informatiker Björn Schuller. Inzwischen erhält er die Daten aus dem Universitätsklinikum Augsburg. „Aus Sicht der Notfall- und Akutmedizin wäre ein solches Instrument sehr hilfreich, da ein Sprachtest sehr schnell durchzuführen und wenig belastend ist und innerhalb weniger Minuten ein Ergebnis vorliegt”, sagt Dr. Markus Wehler, Direktor der IV. Medizinischen Klinik sowie der Zentralen Notaufnahme des Universitätsklinikums Augsburg. Von Vorteil sei vor allem, dass weder Blutabnahme, Röntgenbild noch aufwendige Diagnostik nötig sind. „Selbst wenn das Ergebnis nicht so genau wie bei einem Abstrich ist, könnte man dennoch sehr schnell die Verdachts- von den Nicht-Verdachtsfällen trennen”, so der Notfallmediziner. Für Schuller liegt der Vorteil dieser Zusammenarbeit auf der Hand: „So liegen auch verlässliche Tests vor. Anhand dieser lernt der Computer selber, worauf er achten muss, um Covid-19 und eben nicht Covid-19 voneinander unterscheiden zu können.” Inzwischen liege die Erfolgsquote der Spracherkennungs-App bei über 80 Prozent. „Wir sind noch mitten in der Untersuchung, brauchen natürlich weitere Daten, also viele Stimmen sowohl von Covid-19-Erkrankten als auch von gesunden Vergleichskandidaten”, erklärt der Informatiker. Die App lernt mit tiefen neuronalen Netzen die wesentlichen Merkmale in der Stimme zu repräsentieren, um dann anhand dieser eine Entscheidung zu treffen. „Man kann sich vorstellen, dass sie Covid-19-Einflüsse auf die Stimmbildung heraushören kann, etwa Kurzatmigkeit, oder auch einfach Ermüdung und natürlich Husten oder ähnliches”, beschreibt Schuller. Die Funktionsweise der App basiert auf tiefenneuronalen Netzwerken. Diese erlernen ähnlich wie im menschlichen Gehirn hochparallel Information zu verarbeiten. In Ebenen bilden sie das Sprachsignal mit zunehmender Komplexität ab und können nach dem Anlernen mit vielen Daten neue Probleme wie Covid-19 selbstständig darstellen und erkennen. Somit lernt der Computer beziehungsweise die App, Covid-19 schon nach wenigen Worten oder Sätzen auch von neuen Personen aus der Stimme zu erkennen. „Wir hoffen, mit unserer Anwendung einen wichtigen Beitrag zur Früherkennung von Covid-19-Verdacht leisten zu können. Die Sprache ist hier quasi das neue Blut - wir verwenden es zur Analyse und brauchen es aber ebenso dringend als Spende, um unsere Systeme insgesamt verbessern zu können. Natürlich stehen Privatsphäre und Ethik dabei stets an erster Stelle. Wir entwickeln daher Lösungen, die direkt auf dem Endgerät eines Nutzers die Daten auswerten und nur für den Nutzer einsehbar sind”, betont Schuller. In den nächsten Schritten soll die Zuverlässigkeit, die Erklärbarkeit der Analyse sowie die Transparenz der Entscheidung weiter verbessert werden. Zuverlässigkeit soll bei über 80 Prozent liegen