TecNoticias, tu portal de información

El dispositivo, llamado FluSense, puede detectar la tos y el tamaño de la multitud en tiempo real. Los datos recopilados pueden analizarse para el seguimiento de enfermedades similares a la gripe y las tendencias de la gripe.
La tos podría ayudar a los expertos en salud a comprender mejor la distribución y transmisión de brotes respiratorios en las multitudes. Eso es según los investigadores de la Universidad de Massachusetts Amherst (UMass Amherst) que han creado un dispositivo de monitoreo de gripe de inteligencia artificial (AI) llamado FluSense.
Los investigadores de UMass Amherst dicen que su nueva plataforma informática de vanguardia podría usarse en entornos de atención médica como hospitales y salas de espera, además de espacios públicos más grandes, para aumentar la cantidad de herramientas de vigilancia de la salud a disposición de los expertos en salud. También podría usarse para ayudar a pronosticar la gripe estacional y otros brotes respiratorios, noticias que indudablemente algunos encontrarán más agridulce en medio de la actual pandemia de COVID-19.
El dispositivo utiliza un conjunto de micrófonos, una cámara térmica y un motor de computación neuronal en el borde para monitorear y caracterizar pasivamente los sonidos del habla y la tos junto con los cambios en la densidad de multitudes. A pesar de estar equipado con un micrófono y una cámara, no se registra ni almacena información personal.

Crear el dispositivo

Antes de construir el dispositivo, los investigadores tuvieron que desarrollar un modelo de tos basado en laboratorio. Luego entrenaron a un clasificador de redes neuronales profundas para dibujar cuadros delimitadores en imágenes térmicas que representan a personas. "Nuestro objetivo principal era construir modelos predictivos a nivel de población, no a nivel individual", dijo el profesor Tauhidur Rahman.
Cuando tenían un dispositivo que funcionaba, los investigadores se centraron en cuatro salas de espera en la clínica de servicios de salud de UMass Amherst al implementar el dispositivo FluSense en ellas. Entre diciembre de 2018 y julio de 2019, los investigadores recolectaron y estudiaron más de 350,000 imágenes térmicas y 21 millones de clips de audio sin voz.

Los componentes encontrados en el dispositivo FluSense. Crédito de la imagen: UMass Amherst

Utilizando los datos recopilados durante este tiempo, FluSense pudo predecir las tasas de enfermedad con una alta tasa de precisión. Los investigadores notaron que los datos capturados se correlacionaron "fuertemente" con los resultados de las pruebas del campus para la influenza y otras enfermedades respiratorias, con un coeficiente de correlación de Pearson de 0.95. Esto demuestra el valor que se encuentra en la combinación de inteligencia artificial con computación de borde para permitir la recopilación y el análisis de datos directamente en la fuente.

Predecir brotes poblacionales

Es importante tener en cuenta que FluSense no está diseñado para identificar cuándo las personas están o pueden estar enfermas. En cambio, está diseñado para estudiar y predecir brotes y transmisión basados ​​en la población. De esta manera, podría usarse para ayudar a las autoridades de salud pública y a los administradores de la ciudad a identificar cuándo un brote está o podría estar en el horizonte, y dónde.
FluSense también podría usarse para ayudar a apoyar los esfuerzos actuales de predicción de la gripe, como la Red FluSight, un consorcio de equipos de pronóstico de la gripe. Rahman agregó: "Pensé que si podíamos capturar los sonidos de tos o estornudos de los espacios públicos donde se congrega naturalmente mucha gente, podríamos utilizar esta información como una nueva fuente de datos para predecir las tendencias epidemiológicas".
El siguiente paso para FluSense es probarlo en otras áreas públicas y ubicaciones geográficas, "… queremos validarlo más allá de este entorno hospitalario específico y demostrar que podemos generalizar en todas las ubicaciones", dijo el profesor Andrew Lover.

Una tecnología muy necesaria

FluSense demuestra que el aprendizaje automático puede beneficiar y acelerar el pronóstico y la predicción de la gripe. Si se introducen a un nivel más generalizado, los epidemiólogos y otros expertos en salud podrían acceder a datos críticos y comprender mejor cómo se propaga un virus e identificar las influencias externas, la demografía vulnerable, la tasa de viralidad y más.
También podría ayudar a los expertos médicos, los gobiernos e incluso a la industria a prepararse para los brotes de gripe de manera más efectiva al ayudar a identificar si existe la necesidad de restricciones de viaje, distanciamiento social o suministros médicos.