Un nuevo algoritmo desarrollado por el MIT de Massachusetts, en Estados Unidos, es capaz de identificar correctamente a las personas infectadas de COVID-19 solo por el sonido de sus toses. El algoritmo cuenta con una tasa de éxito del 98,5% al identificar personas con síntomas y de un 100% para distinguir a personas sanas.
El algoritmo es capaz de identificar sonidos que el oído humano no es capaz de escuchar
En sentido, Brian Subirana, uno de los científicos creadores del algoritmo, ha explicado en un artículo del «Journal of Engineering in Medicine and Biology» que la tos de los infectados por COVID tiene diferencias con la de las personas sanas y que estas diferencias, que son inaudibles para el ser humano -pero que sí pueden ser reconocidas por el algoritmo que han desarrollado- están presentes incluso en los pacientes asintomáticos.
El algoritmo sigue en estado de pruebas, ya que todavía necesita la aprobación regulatoria estatal para poder convertirla en una aplicación médica o científica real. Una vez aprobada esta tecnología, podría ser utilizada para la detección diaria en centros de estudio y de trabajo, así como para su uso en el transporte público y también para la detección rápida de focos de infección y de nuevos brotes.
Para la elaboración del algoritmo, el MIT ha recolectado más de 70.000 muestras de audio de toses. Entre ellas, 2.500 eran de personas con un caso confirmado de coronavirus. Este sistema de aprendizaje automático, es el mismo que se utiliza en Inteligencias Artificiales que son capaces de detectar el cáncer, en función de lo que aprenden de las radiografías y mamografías.
Otras empresas y organizaciones, como la empresa farmacéutica Novoic, la Universidad Carnegie Mellon y la de Cambridge están trabajando en algoritmos similares. Este es el caso de la Universidad de Cambridge que, en julio de 2020, informó que su algoritmo tenía un 80% de tasa de éxito en la identificación casos positivos de Covid-19, en este caso, basándose en una combinación de la tos y los sonidos respiratorios. Para este algoritmo, la Universidad de Cambridge cuenta con un conjunto de datos de 30.000 grabaciones.
Comentarios recientes