:quality(70)/cloudfront-us-east-1.images.arcpublishing.com/elfinanciero/B6B4TCBGA5BATDNCYRDDRYMBUI.jpeg)
Ya es posible utilizar la inteligencia artificial (IA) para detectar la infección por COVID-19 en las voces de las personas, a través de una aplicación de teléfono móvil, según una investigación presentada en el Congreso Internacional de la Sociedad Respiratoria Europea en Barcelona, España.
Además de ser más barato y fácil de usar, el modelo de IA utilizado en esta investigación es más preciso que las pruebas rápidas, por lo que puede usarse en países de bajos ingresos, donde las pruebas de PCR son costosas.
El modelo de IA fue preciso el 89 por ciento del tiempo. Además, las pruebas de flujo lateral fueron considerablemente menos precisas para detectar la infección por COVID en personas que no mostraban síntomas, expresó Wafaa Aljbawi, investigadora del Instituto de Ciencia de Datos de la Universidad de Maastricht, Países Bajos.
“Estos resultados prometedores sugieren que las grabaciones de voz simples y los algoritmos de inteligencia artificial ajustados pueden potencialmente lograr una alta precisión para determinar qué pacientes tienen infección por COVID-19″, dijo. “Dichas pruebas se pueden proporcionar sin costo y son fáciles de interpretar. Además, permiten pruebas virtuales remotas y tienen un tiempo de respuesta de menos de un minuto”.
Debido a que el coronavirus afecta normalmente las vías respiratorias superiores y las cuerdas vocales, lo que provoca cambios en la voz de una persona, expertos del Instituto de Ciencia de Datos, investigaron si era posible usar IA para analizar voces con el fin de detectar una infección.
Para ello, usaron datos de la aplicación COVID-19 Sounds de colaboración abierta de la Universidad de Cambridge, que contiene 893 muestras de audio de 4 mil 352 participantes sanos y no sanos, 308 de los cuales habían dado positivo a COVID.
:quality(70)/cloudfront-us-east-1.images.arcpublishing.com/elfinanciero/WENSU4H6HVH2LFY7OS6B5FWEMI.jpg)
La aplicación se instala en el teléfono móvil del usuario, los participantes brindan información básica sobre la demografía, el historial médico, estado del tabaquismo, y luego se les pide que graben algunos sonidos respiratorios, que incluyen toser, respirar profundamente por la boca y leer una oración corta en la pantalla tres veces.
Los investigadores utilizaron una técnica llamada análisis de espectrograma de Mel, que identifica diferentes características de la voz, como el volumen, la potencia y la variación en el tiempo.
“De esta manera podemos descomponer las muchas propiedades de las voces de los participantes”, dijo la investigadora. “Con el fin de distinguir la voz de los pacientes con COVID-19 de aquellos que no tenían la enfermedad, construimos diferentes modelos de inteligencia artificial y evaluamos cuál funcionaba mejor para clasificar los casos de COVID-19″.
Encontraron que un modelo llamado Long-Short Term Memory (LSTM) que se basa en redes neuronales, que imitan la forma en que opera el cerebro humano y reconoce las relaciones subyacentes en los datos. Funciona con secuencias, lo que lo hace adecuado para modelar señales recopiladas a lo largo del tiempo, como la voz, debido a su capacidad para almacenar datos en su memoria.
“La alta especificidad de la prueba de flujo lateral significa que solo a una de cada 100 personas se le diría erróneamente que era COVID-19 positivo cuando, de hecho, no estaban infectadas, mientras que la prueba LSTM diagnosticaría erróneamente a 17 de cada 100 personas no infectadas. como positivo. Sin embargo, dado que esta prueba es prácticamente gratuita, es posible invitar a las personas a las pruebas de PCR si las pruebas de LSTM muestran que son positivas”, destacó la investigadora.