Inteligencia Artificial analiza la tos para determinar en dónde se están propagando enfermedades
Es una prueba que se está llevando a cabo en los Estados Unidos
La tos es uno de los síntomas de múltiples enfermedades respiratorias, incluyendo el coronavirus COVID-19 cuyo virus puede propagarse precisamente a través de las partículas de aire. Para analizar las posibles consecuencias de una tos o estornudo la Universidad de Massachusetts Amherst desarrolló un sistema de Inteligencia Artificial (IA).
De acuerdo con The Next Web el sistema impulsado por IA fue diseñada para monitorear los sonidos de la tos con el fin de predecir en dónde se está propagando la enfermedad , por ejemplo el coronavirus .
El dispositivo llamado FluSense , explicó el investigador Tauhidur Rahman, profesor asistente de informática y ciencias de la información en la Universidad de Massachusetts Amherst, tiene la capacidad de detectar la tos y el tamaño de la multitud en donde se ubica la persona, en tiempo real.
El algoritmo entonces analiza los datos para predecir el progreso del COVID-19 y otras enfermedades respiratorias.
A partir de la información las autoridades sanitarias podrían saber en dónde se está propagando la pandemia y así restringir viajes o designar de manera más eficiente los suministros médicos.
La tecnología FluSense captura los sonidos de la tos a través de micrófonos, además una cámara térmica detecta el calor corporal. La información es analizada para predecir las posibilidades de que se propague el virus .
Para probar el sistema, los investigadores colocaron los dispositivos FluSense en cajas del tamaño de un libro que pusieron en cuatro salas de espera de atención médica en el hospital de la universidad.
Durante siete meses, analizaron más de 350 mil imágenes térmicas y 21 millones de muestras de audio de las áreas de espera.
“Pensé que si podíamos capturar los sonidos de tos o estornudos de los espacios públicos donde muchas personas se congregan, podríamos utilizar esta información como una nueva fuente de datos para predecir las tendencias epidemiológicas”, explicó Rahman.
Sin embargo, el sistema logró una precisión de 81%, lo que si bien es un buen porcentaje, significa que aún hace falta perfeccionarlos y llevar a cabo más pruebas antes de poder utilizarlo.