通过顺序深度学习探索纵向咳嗽、呼吸和语音数据用于COVID-19进展预测:模型开发和验证

介绍

背景

自2020年1月SARS-CoV-2大流行开始以来，已经开发并使用了不同的诊断检测和筛查方法。除了最常用的通过逆转录聚合酶链反应(RT-PCR)进行的实验室检测外[1，2或胸部电脑断层扫描[3.用于诊断的各种数字技术(通常使用人工智能)也被用于COVID-19筛查[4-7]。其中，基于音频的COVID-19自动检测因其灵活、经济、可扩展、无创和可持续的数据收集方法等众多优势而日益受到关注。

现有文献主要研究不同音频模式(如咳嗽、呼吸和声音)的信息含量[8-12以及各种机器学习技术的力量，特别是用于COVID-19检测的深度学习[10，13-19]。尽管最近通过机器学习技术从音频信号检测COVID-19取得了成功[10但是，持续监测COVID-19进展的工作仍然缺乏。这可以提供针对个体的、及时的大规模疾病发展指示，指导个性化的医疗治疗，潜在地捕捉疾病发病以遏制传播，并估计恢复率，这在确定当前高峰后和大流行后时期的隔离规则方面发挥着关键作用。它还可以改善卫生保健系统的资源管理，同时远程监控患者，并(仅)在必要时将他们带到医院。有证据表明，COVID-19的进展因人而异，平均病程从11天到21天不等，这取决于性别和年龄、合并症、SARS-CoV-2的变体和接受治疗的时间[20.-25]。通过持续监测患者的疾病进展，可以捕获个体特异性信息，使患者和医生都受益。此外，与通常采用的在医院现场进行的RT-PCR检测和辐射强度CT扫描等不舒服的诊断方法相比，基于音频的疾病进展监测可以无侵入性地每天重复进行，并且可以长时间进行，这证明了纵向远程监测的良好适用性。

最近的工作已经认识到使用3个升级阶段来描述COVID-19的进展[26]，包括早期感染、肺部受累和全身性炎症，这在疾病进展中表现出共性。我们假设这可以通过自动监控系统中的音频信号纵向捕获。虽然我们研究的参与者可能不会经历所有三个阶段，但假设在疾病的临床进展过程中音频特征受到影响。图1显示了一名参与者在43天内阅读同一句话的频谱图，他们报告了COVID-19感染，随后康复。如黑箱所示，当参与者检测呈阳性时(上排)，特别是在2020年11月14日，基频及其谐波不能明显分离，表明缺乏对声带振动的控制。回收后可分离性提高。这与观察到的COVID-19临床进展过程相吻合[22第一次阳性检测后5天(2020年11月14日)可分离性最低，感染后9天(2020年11月18日)可分离性增加。在2至4千赫(蓝框)的高频范围内，也观察到类似的模式。11月18日(阳性)和11月22日(阴性)的频谱图模式没有明显差异，反映了新冠病毒检测任务的总体难度。总体而言，这种随疾病进展的频谱图演变表明，COVID-19感染可以表现为声音表征的变化。由于疾病进展因人而异(例如，不同的恢复时间或不同的严重程度)，纵向音频变化可能因人而异。然而，纵向音频变化在COVID-19中很常见，对它们进行建模可能有助于COVID-19的进展预测。

‎ 查看此图

此外，音频特征因个体而异(例如，一个COVID-19积极的参与者可能产生与另一个COVID-19相似的谱图负参与者)。大多数传统的基于音频的COVID-19检测系统都没有考虑到这一点，到目前为止，这些系统只使用单个音频样本，而不是序列。这使得自动检测成为一项困难的任务，并可能导致错误的预测。在对频谱图的演变进行纵向建模时，个体过去的音频信号可以作为基线，并且可以根据这一参考对预测进行修正。此外，每个人健康时的频谱图可以作为其自身感染状态的参考，并且纵向建模音频序列的相对变化可能更准确地用于COVID-19检测。从广义上讲，个人健康状态下的音频记录的均值和SD都是个性化的。这为非健康状态提供了一个很好的阈值，有利于COVID-19的检测。在这些优势的激励下，我们探索了纵向建模连续音频记录作为疾病进展的生物标志物的潜力，重点关注如何最好地捕捉音频序列随时间的动态变化，并旨在证明预测能力。

客观的

在本研究中，我们利用纵向音频数据开发了基于音频的COVID-19进展预测模型。我们采用了顺序深度学习模型来捕捉纵向音频动态，并预测疾病随时间的进展。首先，我们研究了音频动态建模是否有助于COVID-19检测。与使用单个音频样本的传统模型相比，这显示了强大的性能。然后，我们评估了我们的模型在预测疾病进展轨迹方面的表现:我们的预测成功地跟踪了测试结果，并与COVID-19进展的时间线和持续时间的统计分析相匹配。特别是，我们探索了使用音频信号进行恢复预测，因为这可能有助于制定家庭隔离要求。从公共卫生的角度来看，我们提出的这种方法对如何监测感染者具有潜在的影响，即它可以允许更细粒度的远程跟踪，从而通过尽可能地使个人远离医院来更有效地管理卫生系统资源。

方法

研究设计与概述

我们研究了纵向建模音频生物标志物(咳嗽、呼吸和声音)是否有利于COVID-19的检测，以及它是否可用于准确、及时地监测疾病进展(图2)。音频序列由带有门控循环单元(gru)的递归神经网络建模，以考虑反映疾病进展的音频动态。调查分为两个子任务:一个是通过预测音频生物标志物的阳性和阴性来检测COVID-19，另一个是关于疾病进展轨迹监测，检查随着时间的推移预测阳性的概率。例如，随着时间的推移，积极的概率下降表明有恢复趋势，而增加表明有恶化趋势。第一个子任务旨在评估在输入空间中对过去的音频生物标志物进行建模是否总体上有利于COVID-19检测，而第二个子任务侧重于在输出空间中对疾病进展进行纵向分析。

‎ 查看此图

数据集准备和统计

移动应用程序[27]于2020年4月开发并发布，用于数据收集，旨在将参与者的录音、COVID-19测试结果以及人口统计、病史和COVID-19相关症状众包。每位参与者被要求在一天内录制3种不同的声音，包括3种自主咳嗽声音的咳嗽录音，3-5种呼吸声音的呼吸录音，以及要求每位参与者朗读屏幕上显示的短短语的录音，共3次。新冠病毒检测结果分为自我报告、阳性报告、阴性报告和未检测结果。不需要具体的诊断方法，可以是侧流测试结果，RT-PCR测试结果或CT扫描结果。鼓励参与者定期提供数据。更多细节可在多媒体附录1夏等[28]。

2020年4月至2021年4月(图3a) 3845名健康参与者(covid -19阴性)和1456名covid -19阳性参与者提供了至少1天的临床自我报告测试结果为阳性或阴性的音频样本。如果提供5个或更多的样本，我们使用这些参与者的数据，分别得到447(11.6%)和168(11.5%)的阴性和阳性测试参与者。手动检查标签质量以删除不可靠的用户，并使用另一个移动网络(YAMNet)检查音频录制质量[29]过滤掉损坏和嘈杂的样本，留下106名(63.1%)covid -19阳性参与者。为了生成一个平衡的数据集，在不同国家选择了212名纵向用户(106,50%为covid -19阳性，106,50%为covid -19阴性)。

‎ 查看此图

这款手机应用是一个多语言平台，用户群由8种不同的语言组成，其中115名(54.2%)英语用户占主导地位(图3b). covid -19阳性和阴性组的年龄和性别相对平衡，女性参与者110人(51.9%)，30 - 59岁的参与者142人(67.0%)。此外，106名COVID-19阳性参与者中有100人(94.3%)和106名COVID-19阴性参与者中有82人(77.4%)报告了COVID-19症状，如味觉或嗅觉丧失和发烧。每个用户的样本中位数为9 (图3C，左)，对应的周期为35天(图3C，左中)。covid -19阳性受试者的中位持续时间小于covid -19阴性受试者，分别为28天和45天。该持续时间预计将包含与疾病进展相关的足够的音频动态，并涵盖大多数参与者的疾病进展的完整过程[21]。此外，每个参与者的报告间隔时间也计算为连续两个样本之间的时间间隔的平均值，covid -19阳性和covid -19阴性组的中位数均为3天(图3C，右中)，验证数据的时间依赖性。为了开发机器学习模型，我们进行了数据增强，并平衡了covid -19阳性和covid -19阴性参与者增强后的持续时间，中位数分别为17天和18天(图3c,对吧)。这一持续时间与疾病进展持续时间一致，通常为11-21天[20.-24]。增强后covid -19阳性和covid -19阴性参与者的持续时间相似，也有助于消除两组在模型开发中原始不同持续时间的混淆效应(图3c,左)。数据分为训练集、验证集和测试集，分别有148人(70%)、22人(10%)和42人(20%)平衡的covid -19阳性和covid -19阴性参与者，以及相对平衡的语言和性别(见多媒体附录2)。

数据处理

为了有效地开发深度学习模型，我们通过执行音频预处理、序列生成和数据增强来确保足够数量的适当处理数据可用于建模。

音频预处理

音频记录首先被重新采样到16千赫，并转换为单声道。然后通过去除录音开始和结束时的沉默期对这些录音进行预处理，将其归一化为最大振幅1。

序列生成

为了增加用于模型开发的音频序列的数量，每个参与者的音频样本被分成固定数量的5个样本的短序列。为了确保音频序列中的5个样本在COVID-19进展过程中包含有效和充分的音频动态，进一步施加了约束，将两个后续样本之间的最大时间间隔限制为14天。任何违反此约束的序列都将被删除。这导致序列长度从5天到56天不等，涵盖了疾病进展的时间跨度。

数据增加

虽然选择数据集是为了平衡covid -19阳性组和covid -19阴性组的参与者数量，但每个参与者的样本数量仍然不同(参见图3c).新冠病毒阴性受试者提供的样本多于新冠病毒阳性受试者，且新冠病毒阳性受试者在康复后也提供了阴性样本，导致队列中新冠病毒阴性样本数量明显多于新冠病毒阳性样本。此外，数据集相对较小。因此，我们采用了3种扩增技术来增加数据量，并平衡covid -19阳性和covid -19阴性样本(见多媒体附录1)。

模型架构

该模型由用于特征提取的VGGish (Google)预训练网络和用于疾病预测的gru递归神经网络(图4)。采用三种不同的方式(呼吸、咳嗽和录音)作为输入。对于每种模式，音频记录首先被转换为频谱图，然后输入到VGGish预训练网络中进行更高级的特征表示，这可以帮助利用和转移从外部大量通用音频数据集中学习到的知识[29]。通过VGGish将3种模态转换的嵌入连接起来，形成一个多模态输入向量，用于后续基于gru的预测网络。选择gru而不是长短期记忆神经网络的原因是在有限的数据大小下参数较少。gru还使用更少的内存和更快的执行速度，这在潜在的模型部署期间将是一个好处。对gru的输出进行了两项不同任务的评估:一项是通过采用模型的二进制输出来估计模型在二元诊断中的能力，另一项是通过利用阳性预测的概率来预测疾病进展轨迹。详情请参阅多媒体附录1。

‎ 查看此图

由于数据集包含8种不同语言的声音，每种语言的患病率不同(图3b)机器学习模型中可能引入了语言偏差，导致模型识别语言而不是与covid -19相关的信息(例如，将说意大利语的人归类为covid -19阳性，说英语的人归类为covid -19阴性，因为说意大利语的用户中该疾病的患病率较高，而说英语的用户的患病率较低)。为了减少语言影响，我们提出了一个多任务学习框架，将语言识别的辅助任务与COVID-19预测任务同时包含在内(参见多媒体附录1)。

绩效评估

由于训练数据中的序列长度在5-56天的范围内变化，该模型能够捕获不同长度的纵向音频动态。因此，在推理阶段，对所有过去的录音进行预测，没有固定的样本数量。这与训练阶段略有不同，但在实际应用中更为实用。为了保持音频记录的有效时间依赖性并与训练相匹配，我们应用了一个时间限制，只考虑当前天之前56天内的过去音频记录，这是训练阶段的最长持续时间。此外，我们从每个参与者的第二个样本中评估模型性能，以确保预测捕获了纵向音频动态。

COVID-19检测

对于COVID-19检测，使用AUROC、灵敏度和特异性来衡量性能。AUROC说明了二元分类器的诊断能力。灵敏度表明该模型能够正确识别covid -19阳性样本，而特异性表明该模型能够正确识别没有疾病的样本。

疾病进展预测

对于疾病轨迹预测，对每个参与者的模型性能进行评估。根据个人的测试标签，有两种不同的度量标准。对于在报告期间记录阳性和阴性测试结果之间任何转换的参与者，我们采用点双列相关系数γ_pb测量阳性检测结果的预测概率与检测标签之间的相关性。对于在报告期间一致报告阳性和阴性测试结果的参与者，不可能计算连续预测和测试标签之间的相关性。因此，我们采用了精度γ以正确预测的样本与样本总数之比计算(参见多媒体附录1)。虽然γ_pb范围在-1和1之间，γ在0-1的范围内，值越高，对两个指标的预测越好。人们还预计γ_pb对于一个好的模型，实现从0到1的正相关。因此，我们通过结合这两个指标来报告绩效γ_pb和γ。

采收率轨迹预测

我们进一步检查了测试队列中恢复亚组的模型性能，其中21名covid -19阳性参与者中有12名(57.1%)报告了他们的测试结果中的恢复趋势。我们采用了γ_pb作为评价指标。正如我们所指出的，参与者可能会延迟进行临床测试或报告结果，阴性预测可能早于自我报告的阴性测试结果，这是可以接受的。我们使用动态时间翘曲(DTW)和计算进一步将预测和测试结果暂时对齐γ_pb有一致的预测来解释延迟。

潜在空间可视化

为了深入了解该模型，我们旨在比较不同参与者的中间音频表示，包括报告感染后恢复的参与者，连续报告阳性测试结果的参与者和健康参与者。将中间音频表示作为模型最后一个隐藏层的潜在向量，并利用主成分分析进一步投影到4维潜在空间。

统计分析

疾病进展及症状

我们分别研究了covid -19阳性和阴性受试者的预测概率与症状之间的相关性。对于covid -19阳性的参与者，我们假设症状的数量与疾病的严重程度相关;因此，对于报告的音频记录以及更多症状，预计积极预测的概率很高。这导致了预测概率与症状数量之间的高度相关性。相反，对于健康的参与者，症状的数量与疾病的严重程度无关;因此，没有相关性的预期。这可以验证模型是否能够学习与covid -19相关的信息，而不是与症状相关的信息。

前7天的疾病进展

胸部x线或CT证据显示，56例(22.6%)患者在症状出现7天后病情缓解，30例(12.1%)病情稳定，其余162例(65.3%)患者在症状出现7天后病情恶化[26]。我们分析了类似时期(即前7天)的预测轨迹，将预测趋势的统计数据与报道的趋势进行比较。尽管许多参与者在开始记录的第一天就报告了症状，这可能不是他们出现症状的第一天，但最初几天的增加趋势仍可能表明患者的病情最初恶化。我们将7天窗口定义为从报告症状的第一天开始，或者从第一次阳性检测的当天开始(如果在此之前没有报告症状)。

道德的考虑

这项研究得到了剑桥大学计算机科学系伦理委员会的批准(ID #722)。我们的移动应用程序显示一个同意屏幕，在那里我们请求用户允许通过使用该应用程序参与研究。

结果

COVID-19检测

为了确定通过gru序列建模技术考虑音频动态是否有效检测COVID-19，将性能与未捕获音频动态的2个基准(图5):一个只使用当天的音频生物标记进行预测，而另一个使用最后一天的前几天音频序列的平均特征表示(图5a).建议的制度(图5b)优于最高AUROC为0.79(0.74-0.84)的2个基准，灵敏度为0.75(0.67-0.82)，特异性为0.71(0.67-0.75)，在AUROC方面比2个基准相对提高19.7%和31.7%，证明了纵向音频生物标志物建模的有效性。我们用的是单尾z测试以验证所建议方法的AUROC在2个基线上的性能改进的重要性。我们发现所提出的方法比“单一”(P=.09)及“平均”(P= 03)。

‎ 查看此图

为了进一步评估使用过去音频生物标志物的顺序建模是否可以为每个个体提供可调基线，对每个参与者的预测准确性进行了评估，并与“单一”基准进行了比较，该基准定义为正确预测的样本与每个参与者的样本总数的比率(图5c).我们观察到，所提出的顺序建模优于“单一”基准。消极参与者的序列模型的表现范围比基准更大，因为有2个人的表现更差。

疾病进展预测

我们将预测的疾病进展轨迹与测试结果进行对比分析。预测的进度轨迹由0-1范围内的阳性预测概率表示，值越高表示阳性测试结果的可能性越大(图6)。三种不同的疾病进展轨迹显示在图6一个,图6b,图6c,分别。对于正在康复的参与者P1 (图6a)， P1检测为阳性的概率高，P1检测为阴性的概率低。利用点双列相关系数对模型性能进行评价γ_pb它测量了预测轨迹和测试结果之间的相关性。我们的模型实现了γ_pbP1 =0.86，具有较强的预测疾病进展的能力。我们进一步将超过0.5的概率分类为积极预测，低于0.5的概率分类为消极预测。预测结果也与测试结果相符。

‎ 查看此图

对于持续报告检测结果呈阳性的covid -19阳性参与者P2 (图6B)，我们的模型输出与测试结果相匹配的正预测。应该指出的是γ_pb不适用于报告持续阳性或阴性检测结果的参与者;因此,准确γ是用来代替的，它计算正确预测的比例，根据积极或消极的预测与总样本数。参与者P2的γ=1，因为所有的预测都是正的。此外，从症状出现第0天到第8天，阳性预测的概率增加，到第16天略有下降，这与一般的临床过程相匹配。

对于covid -19阴性参与者P3 (图6C)，预测概率始终低于0.5，对应于与测试结果一致的负面预测。由于队列参与者数量有限，一种从阴性到阳性的疾病进展未包括在内。虽然我们采用了时间逆增(见多媒体附录1)，及时逆转音频生物标志物及其相应的标签，以丰富不同的疾病进展，特别是从负向正的转变，时间逆转的音频生物标志物和疾病进展可能仍然与实际进展不匹配，无法在模型中很好地捕获。

图6D展示了整个测试队列在疾病进展监测中的模型性能，其中γ_pb和γ被不同的参与者采用。我们的模型对所有42名(100%)测试参与者的结果分别为0.75，对covid -19阳性和covid -19阴性参与者的结果分别为0.86和0.71。文中给出了更多的例子多媒体附录3和多媒体附录4。

采收率轨迹预测

随机抽取的2名受试者P4和P5的预测康复轨迹见图7一个和图7b.对于参与者P4，从第0天到第2天，观察到概率略有增加，表明疾病的严重程度有所增加。预测概率从第2天开始下降，呈现恢复趋势。分类阳性和阴性预测也与测试结果相匹配，除了第27天，我们的模型预测阴性结果，测试结果仍然是阳性的。这可能是由于参与者进行临床试验或报告结果的延迟;因此，早期的负面预测是可以接受的。这也表明了我们基于音频的数据的优势，这些数据是精确计时的，可以立即进行分析。

对于参与者P5的弱预测轨迹图7B，明显观察到概率递减的预测恢复趋势。然而，即使用户从第16天到第23天的测试结果为阴性，这些概率也都被归类为阳性预测。这可能是由于(1)音频特征的个体差异或(2)无症状参与者表现出音频特征的微小变化，从而导致缓慢恢复的趋势预测。

所有12名(100%)恢复参与者的总体表现报告在图7c,γ_pb= 0.76。由于与阴性测试结果有时移的阴性预测是可以接受的(如图7a)我们暂时使用DTW将预测和测试结果对齐。模型进一步实现γ_pb=0.86，显示出较强的监测恢复能力。更多的例子可以在多媒体附录3和多媒体附录4。

‎ 查看此图

潜在空间可视化

图7D为3个不同参与者的潜在空间可视化。对于康复用户，在参与者康复时，观察到前3个维度有明显的过渡，而在covid -19阳性和covid -19阴性参与者中观察到一致但不同的模式。这验证了该模型可以捕捉不同参与者的不同疾病进展。

统计分析

图7e和图7f分别为covid -19阳性和阴性受试者的预测概率与症状的相关性。随着症状数量的增加，我们观察到预测的概率(图7e).我们进一步为这些参与者拟合了一条线(红色)，但由于样本数量有限，排除了出现5种以上症状的参与者。我们观察到明显的正相关。相反，对于covid -19阴性的参与者(图7f)，我们观察到概率和症状数量之间没有相关性，这表明我们的模型没有捕获症状，而是捕获与COVID-19相关的信息。

对试验队列中12名(28.6%)符合条件的参与者进行了前7天模型预测的进一步分析，我们发现12名参与者中有8名(66.7%)的预测概率增加，与统计分析相似(n=162, 65.3%)。我们假设前7天的预测进展可以提供个人恢复率的提示指标。

讨论

主要结果

从一个众包音频数据集中，我们研究了212名纵向参与者，并开发了一个通过音频信号监测COVID-19进展的深度学习模型。我们发现纵向建模音频动态对COVID-19检测有好处。个人水平的表现也比基线有了显著的改善。该模型预测疾病进展的能力得到了验证。成功跟踪报告的测试标签在疾病进展中表现出强大的性能γ_pb/γ= 0.76。我们特别关注恢复预测，并与之相关γ_pb预测进展轨迹与试验结果的差值为0.86。

个体经历不同的疾病发展轨迹，我们的模型可以捕捉个体之间的这种可变性。对于covid -19阳性用户P6 (多媒体附录3(图A3c)，我们的模型显示，从第0天到第3天，预测概率下降，然后从第3天到第6天，预测概率略有增加。参加者P7 (多媒体附录3(图A3d)，我们的模型预测从第0天到第11天持续下降。这表明预测个体特异性疾病进展轨迹的有效性。虽然没有报告疾病的严重程度来验证预测的概率，但症状可以作为参考。对于参与者P6，症状的数量在第3天从3个增加到6个，之后减少到3个。因此，有理由假设情况会恶化，预测概率会增加。

同样，该模型也可以预测个体特定的恢复轨迹。参与者P1的恢复趋势更明显，在21天内相对下降了49.2% (图6a)比参加者P4 (图7a)及P5 (图7B)， 21天和22天分别相对下降36.6%和37.1%。这与年轻人恢复得更快的证据是一致的[22]，其中参与者P1年龄在20-29岁，参与者P4和P5年龄分别在30-39岁和40-49岁。虽然由于参与者数量有限，很难得出统计结论，但这些结果仍然表明不同个体的预测恢复率存在差异。在实际应用中，针对个体的康复监测不仅可以为自我隔离患者提供及时的反馈，更重要的是可以根据个体的康复情况为医生提供治疗指导。具体来说，当观察到预测概率急剧下降时，表明个体恢复良好。相反，在很长一段时间内，预测的概率没有下降，可能需要进一步或更有效的治疗。此外，预测的恢复趋势也可以在一定程度上用于新冠肺炎患者的风险评估。

由于我们的模型在使用纵向音频生物标志物方面表现出色，因此模型部署中的另一个重要因素是序列长度的影响，我们也对序列长度进行了分析，以了解需要多少样本才能进行可靠的预测(多媒体附录5)。累积直方图表明，序列越长，性能越好。对于超过2个样本的序列长度(多媒体附录5(图A2a)或前后及以上4天(多媒体附录5(图A2b)，该模型可以产生相当好的预测。就远程监测而言，使用过去4天的录音将提供更可靠的预测。

限制

我们的研究也有一些局限性。首先，测试队列相对较小，covid -19阳性和covid -19阴性组只有21名参与者。这可能不能全面代表目标人群。此外，自述的测试结果不可避免地会有一定程度的噪声，可能存在录音与测试结果不匹配的情况。这是由于参与者报告测试结果的可能延迟。这种不匹配引入了未被充分考虑的模型开发中的混杂可变性。

我们研究的另一个限制是对混杂因素的控制有限。年龄和性别组在训练集、验证集和测试集内部和之间相对平衡，而语言组仅在3个分区之间平衡，但在每个数据分区内仍然不平衡。我们使用多任务框架的模型减轻了语言的影响，但由于某些语言子组的样本数量有限，一些语言偏差可能仍然存在。

我们也承认，声音的变化不仅可能归因于COVID-19感染，还可能归因于其他因素(例如精神状态或其他呼吸道感染，如流感)。为了验证模型是否捕获了COVID-19而不是其他因素引起的变化，需要大量具有相应标签(例如情绪状态、流感)的纵向数据来开发和评估模型。收集这些数据既困难又耗时，这是我们的长期目标。

值得注意的是，预测的疾病进展趋势与检测结果相符，但对于一些用户来说，在COVID-19进展过程中，总体概率可能高或低。这表明音频特征存在个体差异。虽然我们的模型通过捕获过去的音频信号比简单的基于样本的模型更好地解决了这个问题，但它是一个通用模型，因此仍然不精确。开发特定于参与者的模型是我们未来的议程，但为此目的需要收集更多的数据。

结论

总之，通过使用顺序机器学习技术纵向建模音频生物标志物，我们提出了基于音频的纵向数据诊断作为COVID-19进展跟踪的鲁棒技术。我们展示了我们的系统能够监测疾病的进展，特别是个体的恢复轨迹。这项工作不仅为COVID-19跟踪提供了一种灵活、负担得起和及时的工具，而且还为远程监测如何适用于一般呼吸系统疾病监测提供了概念证明。