Un nuevo algoritmo del MIT -Massachusetts Institute of Technology- es capaz de determinar, con una precisión impresionante, si las personas tienen o no COVID-19, simplemente escuchándolas toser.
El algoritmo, que los investigadores entrenaron utilizando el sonido de decenas de miles de toses registradas durante el curso de la pandemia, tiene una tasa de éxito del 98,5 por ciento entre los pacientes que ya fueron diagnosticados con COVID-19, informa BBC News. Si no presentaban ningún otro síntoma aparte de la tos, la tasa de éxito subía al 100 por ciento.
No debería reemplazar una prueba de laboratorio adecuada, sugiere la BBC, pero podría servir como una prueba de punto de contacto antes de reunirse con un grupo o asistir a un evento.
Otros equipos de científicos han intentado diagnosticar el coronavirus durante el mismo tiempo que lleva vigente la pandemia, y en este caso, según una investigación publicada en el IEEE Journal of Engineering in Medicine and Biology, el algoritmo del equipo del MIT parece ofrecer un resultado mucho más preciso que otros diagnósticos “rápidos”.
Este algoritmo no tiene nada de especial: los científicos del MIT simplemente trabajan en los datos de entrenamiento recolectados para que refinarlo. Hace meses, el algoritmo tenía una tasa de éxito comparable a esas otras aplicaciones, por lo que solo era cuestión de hacer que el modelo fuera más robusto.
La herramienta utiliza redes neuronales que pueden detectar los cambios sutiles en la tos de una persona que indican si está infectada, incluso si no tiene ningún otro síntoma. Las personas asintomáticas infectadas con covid-19 son un vector del virus que es particularmente difícil de manejar, en parte porque es menos probable que se hagan la prueba. Por lo tanto, los portadores podrían infectar a otros sin siquiera darse cuenta. Pero incluso los portadores asintomáticos tienen un indicador que muestra que están infectados, de acuerdo a los investigadores. Todo está en la tos.
La diferencia entre la tos de una persona sana y la tos de alguien infectado con el virus es tan leve que es imperceptible para el oído humano. Entonces, el equipo desarrolló una IA para detectar estas pequeñas diferencias utilizando decenas de miles de muestras grabadas de toses y palabras habladas.
Así funciona: Una red neuronal mide los sonidos asociados con la fuerza de las cuerdas vocales, mientras que otra detecta señales relacionadas con el estado emocional de una persona, como la frustración, que puede producir un "efecto plano". Una tercera red escucha cambios sutiles en el rendimiento respiratorio y pulmonar. Luego, el equipo combinó los tres modelos y los superpuso con un algoritmo para detectar la degradación muscular.
"Es el mismo principio para alimentar a una máquina con muchos rayos X para que aprenda a detectar el cáncer", dijo el ex reportero de la BBC Calum Chace, ahora experto en inteligencia artificial y autor. "Es un ejemplo de la ayuda de la IA. Y, por una vez, no veo muchas desventajas en esto ", concluyó.
