El MIT desarrolla un modelo de IA capaz de detectar asintomáticos con COVID-19 por la tos

Un grupo de investigadores del MIT ha desarrollado un algoritmo capaz de diagnosticar el COVID-19 por el sonido de la tos de una persona, incluso aunque sea asintomática. El equipo que lo ha desarrollado especifica en un artículo publicado en el IEEE Jornal of Engineering in Medicine and Biology que han desarrollado el algoritmo de manera que sea capaz de distinguir entre las personas infectadas y las sanas a través de grabaciones de sus toses forzadas realizadas mediante smartphones u otros dispositivos portátiles.

Estos investigadores, que ya han trabajado en un modelo de Inteligencia Artificial que se utiliza para detectar señales de Alzheimer también a través de la tos, entrenaron al sistema a partir de decenas de miles de grabaciones de muestras de tos, así como de palabras grabadas, ya que según varias investigaciones, el sonido «mmmmm» puede ser un indicador de la fuerza o debilidad de las cuerdas vocales de una persona. Por eso, el equipo entrenó también un modelo a partir de un conjunto de datos de un audiolibro con más de 1.000 horas de voz para extraer la palabra inglesa them (ellos) y separarla de otras similares, como the (el) o then (entonces).

Paralelamente, entrenaron otro segundo modelo para distinguir las emociones en el habla a partir de un conjunto de datos tomados de actores entonando con distintos estados emocionales: neutral, calmado, feliz, enfadado o triste. Y también trabajaron con un tercer modelo en una base de datos de tos para distinguir los cambios en el rendimiento pulmonar y respiratorio.

Las muestras de tos provienen de una web que se puso en marcha en abril que permitía a la gente grabar varias toses y rellenar una encuesta, en la que se preguntaba sobre los síntomas que estaban experimentando, si tenían COVID-19 o no y si habían recibido un diagnóstico a través de un test oficial. Además, pedía a los que participaban en ella que reflejasen cualquier información demográfica que pudieses resultar relevante, como su género, ubicación geográfica o lengua materna.

Gracias a la web, los investigadores recopilaron más de 70.000 grabaciones que les llevaron a contar con unas 200.000 muestras de sonido de tos forzada. De las grabaciones, alrededor de 2.500 fueron suministradas por personas que ya estaban diagnosticadas de COVID-19. Estas se utilizaron para el entrenamiento del tercer modelo, junto con otras 2.500 grabaciones seleccionadas al azar entre todas las recogidas, para equilibrarlo.

Después de la combinación del modelo entrenado con los cortes del audiolibro, el detector de estados emocionales y el clasificador de toses en un modelo, el equipo probó el modelo resultante de la combinación de estos tres en un millar de grabaciones del conjunto de datos de las toses. Tras las pruebas, aseguran que consiguieron identificar el 98,5% de las personas que estaban diagnosticadas con COVID-19, y detectaron todas las toses de asintomáticos.

Los investigadores del MIT subrayan, eso sí, que el modelo no está pensado para diagnosticar a personas asintomáticas, sino que esperan utilizarlo para desarrollar una app de preexaminado gratuita que utilice como base su modelo de Inteligencia Artificial. Por ahora están llegando a acuerdos con algunos hospitales para recopilar grabaciones de toses más diversas, con el objetivo de entrenar y reforzar la precisión del modelo.