Investigadores de la Universidad de Massachussetts han creado algo a lo que llaman FluSense, un dispositivo diseñado para ser usado en los hospitales, en las salas de espera y en espacios públicos muy grandes con la intensión de medir si alguien tose para tomar acciones inmediatas en caso de que el sistema así lo indique, evitando quizás contagios de manera más expedita, por ejemplo, con esta epidemia del COVID-19.
Es evidente que la idea podría llevar información relevante directamente a los responsables de la salud pública. El tiempo aquí es una variable casi crítica, y si se actúa rápidamente, podrían tomarse decisiones sobre restricciones de viajes, lugares inmediatos para ser tratado el paciente, etc.
De acuerdo con el co-autor del artículo, Tauhidur Rahman, profesor asistente de Ciencias de Información y Computación, quien asesora al estudiante de doctorado, Forsad Al Hossain, «esto podría permitirnos predecir las tendencias de una epidemia de una manera más precisa». El estudio sobre el FluSense se publicó hace unos pocos días en los Proceedings of the Association for Computing Machinery on Interactive, Mobile, Wearable and Ubiquitous Technologies.
¿Pero en el mundo real funciona el FluSense?
Todo invento requiere de ser probado en el mundo real, y los inventores del FluSense -asociados con el Dr. George Corey- quien es Director de los servicios de salud de la universidad, junto con el bio-estadístico Nicholas Reich, director del CDC en Massachussetts para la medición de la influenza, así como el epidemiólogo Andrew Lover, un experto en enfermedades y profesor asistente de la Escuela de Salud Pública y de Ciencias de la Salud- comenzaron la parte experimental.
La plataforma FluSense es realmente un micrófono de bajo costo junto con un dispositivo térmico visual de datos, todo dentro de una Raspberry Pi, aunado a un motor de red neuronal. El dispositivo no guarda información privada de las personas, ya sea la grabación de la voz o el tomar fotografías.
En el Laboratorio de Rahman hay científicos que desarrollan los sensores para observar la salud y el comportamiento de los seres humanos, y la primera tarea que hicieron fue el desarrollar un modelo de cómo las personas tosen. Entonces entrenaron a una red neuronal para clasificar los diferentes tipos de tos para así tener un sistema predictivo que pudiese funcionar con grupos humanos y no solamente de forma individual.
Una vez teniendo esto, se puso en un gabinete rectangular, que es del tamaño de un diccionario más o menos grande, y colocaron este dispositivo en las salas de espera de las clínicas de salud de la Universidad de Massachussetts
Resultados experimentales
De diciembre del 2018 a julio del 2019, la plataforma FluSense recolectó y analizó más de 350 mil imágenes térmicas y 21 millones de muestras de audio, todas ellas capturadas en las salas de espera de las clínicas públicas.
El dispositivo halló que el FluSense fue capaz de predecir los porcentajes de enfermedad en las clínicas universitarias, y hay que decirlo, suena como un buen resultado. También los investigadores hallaron que el FluSense fue capaz de sacar una correlación fuerte tanto para los enfermos de resfriados comunes y los de la influenza.
De acuerdo al estudio, «los datos obtenidos sobre los primeros síntomas, podría dar información valiosa adicional sobre los esfuerzos que se están dando para predecir la influenza actual», como por ejemplo, hacer la FluSight Network, que es multidisciplinaria en el tema, con grupos de predicción de este tipo de enfermedades.
Rahman dice haber estado interesado por mucho tiempo en estos sonidos que no son precisamente del habla, como son el toser, y piensa que el capturar tosidos y estornudos puede ser útil como una nueva fuente de datos.
La intención finalmente es tener un modelo predictivo para las tendencias epidemiológicas. Por su parte, el líder del proyecto y autor del artículo, dice: «estamos tratando de llevar los sistemas de aprendizaje de máquinas a sus límites». La razón de esto es que en el dispositivo se hace todo el trabajo, todo el proceso, por lo que todo sale más barato y curiosamente, es más poderoso.
¿Qué sigue?
El paso siguiente es probar el dispositivo en otras áreas públicas y en otras ciudades.
«Tenemos la validación inicial en donde la parte más importante es la correlación entre los sonidos capturados y las enfermedades asociadas a la influenza», comentan los investigadores y agregan: «ahora tenemos que validar más allá de hospitales específicos y mostrar cómo se puede generalizar entre diferentes lugares geográficos».
Más información, aquí Forsad Al Hossain et al, FluSense, Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (2020). https://dx.doi.org/10.1145/3381014.