Investigadores del Instituto Tecnológico de Massachusetts (MIT) encontraron que diferencias imperceptibles al oído humano en la tos de los asintomáticos podrían ser detectadas utilizando un modelo de inteligencia artificial.
Rosario Escobar Dra. en Enseñanza de las Ciencias | Redacción de Ciencia y Tecnología |@mrosario.escobar
Jueves 5 de noviembre de 2020
Según reporta un trabajo publicado recientemente en el Journal de Ingeniería en medicina y Biología (IEEE), los investigadores lograron crear un modelo de inteligencia artificial (IA) que puede distinguir asintomáticos de gente sana por medio de un test del sonido de la tos.
Este modelo fue “entrenado” o “alimentado” por alrededor de diez mil grabaciones de tos y de palabras habladas y fue capaz de identificar con una precisión del 98,5% la tos de asintomáticos (quienes habían reportado no tener síntomas), pero que luego resultaron ser Covid-19 positivos.
Actualmente el equipo está trabajando en incorporar el modelo a una app sencilla de usar, la cual, según plantean, en el caso de ser aprobada y utilizada a gran escala podría ser una herramienta de pretesteo gratuita, conveniente y no invasiva para identificar potenciales asintomáticos de Covid-19. Un usuario podría incluso testearse rápidamente a diario con su celular “tosiéndole” a la app y ésta podría decirle si puede o no estar infectado y en tal caso confirmar el diagnóstico posteriormente con un test convencional.
Diagnóstico de Alzheimer por voz
Antes del comienzo de la pandemia, algunos grupos de investigación ya habían estado probando algoritmos en celulares alimentados por grabaciones de toses para diagnosticar con precisión condiciones como neumonía y asma. En la misma línea, el equipo del MIT ya estaba desarrollando modelos de IA para analizar grabaciones de “toses forzadas” y ver si se podían detectar algunos signos de Alzheimer, como ser la debilidad de las cuerdas vocales producida por la degradación neuromuscular que causa la enfermedad. Para ello entrenaron un algoritmo general de “machine learning” o red neuronal conocido como ResNet50 para discriminar sonidos asociados a diferentes grados de fortaleza vocal.
Los estudios mostraron que la calidad del sonido “mmm” puede ser un indicador de la debilidad o fortaleza de las cuerdas vocales de una persona. En primer lugar, los investigadores entrenaron la red neuronal sobre un conjunto de datos de audiolibros con más de 1000 horas de habla, para obtener y distinguir la palabra “them” (ellos, en inglés) de otras palabras como “the” y “then”. En segundo lugar, el equipo entrenó una segunda red neuronal para -según plantean– distinguir estados emocionales en el habla, dado que los pacientes de Alzheimer -y en general la gente con deterioro neurológico- suelen tener reducida la expresividad emocional o desplegar ciertos sentimientos tales como frustración más frecuentemente que las veces que expresan alegría o calma. De este modo, los investigadores desarrollaron entonces un modelo “clasificador emocional del habla” alimentado por una gran cantidad de datos de actores entonando estados emocionales del tipo neutral, calmo, feliz o triste.
En tercer lugar, entrenaron una tercera red neuronal sobre una base de datos de toses con el objetivo de discernir cambios en el rendimiento pulmonar o del sistema respiratorio.
Finalmente, se combinaron los tres modelos y se les aplicó un algoritmo para detectar degradación muscular simulando un enmascaramiento sonoro o capa de ruido y distinguiendo toses fuertes -que pueden ser oídas por encima del ruido- sobre las débiles.
Con este nuevo marco de IA, alimentado a base de grabaciones de audio, incluyendo las de los pacientes de Alzheimer, se encontró que era posible identificar las muestras de Alzheimer mejor que otros métodos. Los resultados mostraron que tanto la fortaleza de las cuerdas vocales, como las expresiones emocionales, el desempeño pulmonar y respiratorio y la degradación muscular resultaron ser efectivos biomarcadores para el diagnóstico de la enfermedad.
Uso del modelo para el diagnóstico de COVID-19
Cuando la pandemia de coronavirus se empezó a desarrollar, el equipo del MIT sospechaba que su modelo de IA para el Alzheimer podría también servir para diagnosticar Covid-19, sobre todo a medida que iba creciendo evidencia de que los pacientes infectados experimentan algunos cambios a nivel neurológico, tales como cierta discapacidad neuromuscular temporaria. El sonido del habla y la tos están influenciados por las cuerdas vocales y los órganos vecinos. Esto significa que cuando una persona habla, parte de ese sonido es parecido al de toser y viceversa, por lo tanto hay información que se expresa en el habla puede ser tomada vía IA simplemente del sonido de la tos, incluyendo el sexo, la lengua materna e incluso estados emocionales. “En la forma en que toses hay involucrados sentimientos (...), entonces pensamos, por qué no probamos estos biomarcadores de Alzheimer -y ver si pueden ser relevantes- en Covid”, dice Brian Subirana, director del instituto Auto-ID Lab del MIT y uno de los autores del trabajo.
En abril de este año el equipo se dispuso a recopilar tantas grabaciones de tos como fuera posible, incluyendo aquellas de pacientes de Covid-19. Armaron un sitio web donde la gente podía grabar sus toses con su celular u otros dispositivos conectados a internet. Los participantes también llenaron una encuesta de síntomas que experimentaban ya sean o no de Covid-19 e independientemente de si fueron diagnosticados por una evaluación médica, un test o si se autodiagnosticaron. También pudieron dar información sobre ubicación geográfica, lengua nativa y sexo.
A la fecha, los investigadores han recolectado más de 70 mil grabaciones, cada una conteniendo varias toses, haciendo un total de 200 mil muestras de audio de toses “forzadas”, lo cual según Subirana sería “la investigación con más datos de toses que conocemos hasta ahora”. Alrededor de 2500 grabaciones fueron enviadas por personas que fueron confirmadas positivas de Covid-19, incluyendo asintomáticos.
El equipo usó las 2500 grabaciones asociadas a Covid-19 junto con otras 2500 seleccionadas aleatoriamente de una colección para balancear el set de datos. De esas muestras fueron usadas 4000 para entrenar el algoritmo de IA. Las mil grabaciones restantes alimentaron luego el modelo para ver si podía discernir con precisión toses de pacientes de Covid de las de personas sanas. Mientras los investigadores escribían el trabajo de investigación, sus esfuerzos revelaban una gran similitud entre la selección de Alzheimer y la de Covid.
Sin demasiados retoques dentro del marco de la IA originalmente dirigida a detectar Alzheimer, encontraron que era posible obtener patrones en los mismos biomarcadores: fortaleza de las cuerdas vocales y degradación muscular, sentimientos expresados en la voz y desempeño respiratorio, para la detección de Covid-19.
El modelo identificó con una precisión del 98,5% las toses de personas confirmadas Covid-19, y entre ellas todas las toses de los asintomáticos. “Creemos que esto muestra la forma en la que producís el sonido, los cambios, cuando tenés covid, aún si eres asintomático”, dice Subirana.
El modelo funciona únicamente con asintomáticos
El modelo de IA no está destinado a diagnosticar gente con síntomas, pues ellos pueden deberse tanto a Covid-19 como a otras condiciones como gripe o asma, sin embargo, la fortaleza de la herramienta –de confirmarse su eficacia– estaría en su habilidad de discernir toses de asintomáticos de toses de personas sanas. El equipo está trabajando para desarrollar una app gratuita pre-monitoreo basada en su modelo de IA de manera conjunta con diferentes hospitales alrededor del mundo para recolectar más y más diversas grabaciones de toses que podrían ayudar a entrenar y fortalecer la precisión del modelo.
Hay que señalar, respecto a la terminología utilizada, que el hecho de hasta qué punto los modelos de machine learning pueden detectar cuestiones tan complejas como "sentimientos" humanos es una cuestión que es objeto de debates constantes y propensa exageraciones por parte de algunas ramas de la psicología cognitiva. Más allá de esto, de confirmarse la utilidad del modelo sería una buena noticia para complementar otras técnicas de detección de eficacia más probada, como los test moleculares.
Fuente: https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029
