Menú
El Consorcio de Voz Bridge2Ai está formado por investigadores en Inteligencia Artificial de Voz de distintas procedencias e instituciones de EE.UU. y Canadá.
El grupo está formado por clínicos, ingenieros de datos, expertos en IA, bioéticos, logopedas, ingenieros acústicos y educadores que tienen el objetivo común de construir una gran base de datos de voz humana relacionada con la información sanitaria y difundir los datos y hallazgos para mejorar los resultados de los pacientes.
El trabajo del consorcio se centra en las personas, la ética y los datos para desarrollar los métodos normalizados de recogida ética de datos de voz y desarrollar los recursos y la infraestructura necesarios para formar a la futura generación de investigadores de IA.
Universidad del Sur de Florida
Weil Cornell
OBJETIVO: Tender puentes entre el mundo de la investigación médica de la voz, los ingenieros acústicos y el mundo de la IA/ML para promover algoritmos con la integración de aplicaciones clínicas tangibles para algoritmos de IA de voz.
OBJETIVO: Integrar los conocimientos, las herramientas y las orientaciones existentes con el desarrollo de nuevos estándares y conocimientos normativos para identificar, anticipar, abordar y proporcionar orientación sobre cuestiones éticas y de confianza desde la generación de datos de voz y la investigación y el desarrollo de IA/ML hasta la adopción clínica y las decisiones y resultados sanitarios posteriores. Desarrollar nuevas directrices para consentir la recopilación, el intercambio y la utilización de datos de voz en el contexto de la tecnología de IA de voz.
Universidad Simon Fraiser
Presidente y Director General del Centro Hastings
OBJETIVO: Introducir el campo de los biomarcadores acústicos mediante el desarrollo de nuevas normas de recopilación y análisis de datos acústicos y vocales para la investigación de la IA vocal.
Sickkids
MIT
Sickkids
OBJETIVO: Desarrollar una infraestructura de software y en la nube para la recopilación automatizada de datos de voz a través de una aplicación de smartphone que permita una recopilación de datos de voz no invasiva, fácil de usar y de alta calidad, minimizando la manipulación humana. Esto incluirá amplificadores acústicos integrados y estandarización de la calidad acústica. Implementar la tecnología Federated Learning para permitir el análisis de datos multi-institucionales minimizando el intercambio de datos y preservando la privacidad del paciente.
Weil Cornell
Weil Cornell
Weil Cornell
OBJETIVO: Construir una base de datos de voz humana multimodal, multiinstitucional, a gran escala, diversa y de origen ético vinculada a otros biomarcadores de salud que sea compatible con IA/ML para impulsar la investigación de IA de voz.
Universidad del Sur de Florida
Weil Cornell Medicine
MIT
Weil Cornell Medicine
Universidad del Sur de Florida
Universidad de Florida
Universidad del Sur de Florida
Universidad de Toronto
Universidad del Sur de Florida
Universidad del Sur de Florida
OBJETIVO: Desarrollar un plan de estudios único sobre biomarcadores de salud de la voz y el desarrollo, validación e implementación de modelos de IA que sean JUSTOS y CUIDADOS - Crear una comunidad de investigadores de IA de la voz, especialmente aquellos de comunidades desatendidas, y fomentar colaboraciones para promover la aplicación de ML para la investigación de la voz - Involucrar a una amplia gama de alumnos con evaluación de competencias y tutoría.
Universidad de Salud y Ciencia de Oregón
Facultad de Medicina de la Universidad de Washington en St.
Universidad de Salud y Ciencia de Oregón
Universidad de Salud y Ciencia de Oregón
Facultad de Medicina de la Universidad de Washington en St.
OBJETIVO: Revisar y aplicar la diversidad y la inclusión en toda la demografía del proyecto y en la distribución de los resultados de los datos investigados.
Centro Médico de la Universidad de Vanderbilt
Centro Médico de la Universidad de Texas
¿Quiere saber más?
