Escucha esta nota aquí

Que los teléfonos móviles saben mucho sobre nosotros no es nada nuevo. Y muchas personas ya aceptaron que sus dispositivos sepan incluso más sobre ellos que ellos mismos. Pero que mi smartphone pueda reconocer si estoy enfermo de Covid-19 aunque yo ni siquiera lo haya notado todavía, suena verdaderamente a ciencia ficción.

Sin embargo, es ciencia, y no ficción: pronto podría salir a la venta una nueva aplicación con la que sería posible reconocer si alguien sufre de una infección asintomática de coronavirus solo por el sonido de la tos o del habla.

Aunque el porcentaje de aciertos de esta nueva tecnología ya es bastante bueno, la inteligencia artificial en la que se basa todavía debe aprender a evitar diagnósticos erróneos en personas no contagiadas. 

En caso de que eso no fuera posible, la nueva aplicación podría resultar tal vez un complemento del alerta de contagio alemán Corona Warn App, que sí reconoce contactos con personas enfermas.

Tonos al toser contienen biomarcadores

La idea del reconocimiento de sonidos de la tos y el habla la tuvieron tres informáticos del Instituto de Tecnología de Massachusetts (MIT). Jordi Lugarta, Ferran Hueto y Brian Subriana grabaron entre abril y mayo de 2020 la tos de 5.320 pacientes. Además de la tos, grabaron también el sonido del habla. Los tonos de 4.256 personas fueron ingresados al sistema, que los evaluó con ayuda de una red neuronal artificial (CNN).

Para eso, los investigadores empelaron biomarcadores acústicos, es decir, determinadas características tonales que ya habían descubierto en pacientes de Alzheimer. Luego aplicaron lo aprendido por la computadora al resto de 1.064 participantes del estudio.

Sin miedo a resultados falsos positivos

Los resultados fueron ciertamente muy prometedores. "En los participantes en los que ya había sido diagnosticada oficialmente una infección de Covid-19, el modelo llega a una sensibilidad del 98,5 por ciento”, escriben los investigadores en el estudio, que fue presentado para su publicación al IEE Open Journal of Engineering in Medicine and Biology.

Según esos resultados, la especificidad en el grupo fue de 94,2 por ciento. Eso significaría que uno de cada 20 participantes habría recibido un resultado falso positivo.

"Entre los participantes asintomáticos, alcanzó una sensibilidad del 100 por ciento, con una especificidad del 83,2 por ciento”, explican los investigadores. Eso significa que cada caso de Covid-19 no reconocido fue detectado correctamente. Pero uno de cada cinco participantes recibió un resultado falso positivo.

Eso quiere decir que la especificidad debe ser mejorada para que una aplicación así funcione en la práctica, ya que, si es usada por muchas personas diariamente, los resultados falsos positivos podrían conducir rápidamente a que se agoten las capacidades de los laboratorios de testeo.

Esos resultados podrían ser probablemente mejorados si se ingresara a los sistemas más material para que aprendieran más sobre los sonidos que hacemos cuando tosemos.

La conclusión de los investigadores del MIT es que "las tecnologías basadas en inteligencia artificial ofrecen un instrumento gratuito, no invasivo, efectivo de inmediato y disponible en todo momento, además de poder ser distribuido a gran escala, para escanear casos asintomáticos de Covid-19 y complementar las medidas existentes para la contención del coronavirus”.

Los científicos del MIT proponen que este método pueda ser utilizado, por ejemplo, para testear a escolares, estudiantes, y trabajadores cuando estos presenten una tos sospechosa. Si sugiera una advertencia, el afectado podría recurrir entonces a un testeo en laboratorio para determinar si la aplicación estaba en lo correcto.

(cp/ers)