Un modelo de inteligencia artificial detecta infecciones asintomáticas por Covid-19
El modelo de inteligencia artificial detecta infecciones asintomáticas por Covid-19 a través de toses grabadas en teléfonos móviles. Los resultados pueden proporcionar una herramienta de detección conveniente para las personas que no sospechan que están infectadas.

Las personas asintomáticas que están infectadas con Covid-19 no presentan, por definición, síntomas físicos discernibles de la enfermedad. Por lo tanto, es menos probable que busquen pruebas del virus y podrían transmitir la infección a otros sin saberlo.
Pero parece que aquellos que son asintomáticos pueden no estar completamente libres de los cambios provocados por el virus. Los investigadores del MIT ahora han descubierto que las personas asintomáticas pueden diferir de las personas sanas en la forma en que tosen. Estas diferencias no son descifrables para el oído humano. Pero resulta que pueden ser detectados por inteligencia artificial.
En un artículo publicado recientemente en el IEEE Journal of Engineering in Medicine and Biology, el equipo informa sobre un modelo de inteligencia artificial que distingue a las personas asintomáticas de las personas sanas mediante grabaciones de tos forzada, que las personas envían voluntariamente a través de navegadores web y dispositivos como teléfonos celulares y computadoras portátiles.
Los investigadores entrenaron el modelo en decenas de miles de muestras de toses, así como en palabras habladas. Cuando alimentaron el modelo con nuevas grabaciones de tos, identificaron con precisión el 98,5 por ciento de las toses de las personas que se confirmó que tenían Covid-19, incluido el 100 por ciento de las toses de los asintomáticos, que informaron que no tenían síntomas pero que habían dado positivo en la prueba del virus.
El equipo está trabajando para incorporar el modelo en una aplicación fácil de usar, que si la FDA la aprueba y se adopta a gran escala podría ser una herramienta de preselección gratuita, conveniente y no invasiva para identificar a las personas que probablemente sean asintomáticas para Covid-19. Un usuario puede iniciar sesión a diario, toser en su teléfono y obtener información al instante sobre si podría estar infectado y, por lo tanto, debe confirmar con una prueba formal.
"La implementación efectiva de esta herramienta de diagnóstico grupal podría disminuir la propagación de la pandemia si todos la usan antes de ir a un salón de clases, una fábrica o un restaurante", dice el coautor Brian Subirana, científico investigador del Laboratorio de identificación automática del MIT.
Sentimientos vocales
Antes del inicio de la pandemia, los grupos de investigación ya habían estado entrenando algoritmos en grabaciones de tos de teléfonos celulares para diagnosticar con precisión afecciones como la neumonía y el asma. De manera similar, el equipo del MIT estaba desarrollando modelos de inteligencia artificial para analizar grabaciones de tos forzada para ver si podían detectar signos de Alzheimer, una enfermedad asociada no solo con el deterioro de la memoria sino también con la degradación neuromuscular, como cuerdas vocales debilitadas.
Primero entrenaron un algoritmo general de aprendizaje automático, o red neuronal, conocido como ResNet50, para discriminar los sonidos asociados con diferentes grados de fuerza de las cuerdas vocales. Los estudios han demostrado que la calidad del sonido "mmmm" puede ser una indicación de cuán débiles o fuertes son las cuerdas vocales de una persona. Subirana entrenó la red neuronal en un conjunto de datos de audiolibros con más de 1,000 horas de discurso, para distinguir la palabra "ellos" de otras palabras como "el" y "entonces".
El equipo entrenó una segunda red neuronal para distinguir los estados emocionales evidentes en el habla, porque se ha demostrado que los pacientes de Alzheimer, y las personas con deterioro neurológico en general, muestran ciertos sentimientos como la frustración o tener un afecto plano, con más frecuencia de lo que expresan felicidad o calma. Los investigadores desarrollaron un modelo de clasificador de voz de sentimientos entrenándolo en un gran conjunto de datos de actores que entonaban estados emocionales, como neutral, tranquilo, feliz y triste.
Luego, los investigadores entrenaron una tercera red neuronal en una base de datos de toses para discernir cambios en el desempeño pulmonar y respiratorio. Finalmente, el equipo combinó los tres modelos y superpuso un algoritmo para detectar la degradación muscular. El algoritmo lo hace esencialmente simulando una máscara de audio, o una capa de ruido, y distinguiendo las toses fuertes, aquellas que se pueden escuchar sobre el ruido, de las más débiles.
Con su nuevo marco de IA, el equipo introdujo grabaciones de audio, incluidas las de pacientes con Alzheimer, y descubrió que podía identificar las muestras de la enfermedad de Alzheimer mejor que los modelos existentes. Los resultados mostraron que, en conjunto, la fuerza de las cuerdas vocales, el sentimiento, el rendimiento pulmonar y respiratorio y la degradación muscular eran biomarcadores eficaces para diagnosticar la enfermedad.
Cuando la pandemia de coronavirus comenzó a desarrollarse, Subirana se preguntó si su marco de inteligencia artificial para el Alzheimer también podría funcionar para diagnosticar Covid-19, ya que había una creciente evidencia de que los pacientes infectados experimentaban algunos síntomas neurológicos similares, como un deterioro neuromuscular temporal.
“Los sonidos de hablar y toser están influenciados por las cuerdas vocales y los órganos circundantes. Esto significa que cuando habla, parte de su conversación es como toser y viceversa. También significa que las cosas que obtenemos fácilmente del habla fluida, la IA puede captar simplemente de la tos, incluidas cosas como el género de la persona, la lengua materna o incluso el estado emocional. De hecho, hay un sentimiento incrustado en la forma en que tose ", dice Subirana."Entonces pensamos, ¿por qué no probamos estos biomarcadores de Alzheimer [para ver si son relevantes] para Covid?"
"Una similitud sorprendente"
En abril, el equipo se propuso recopilar tantas grabaciones de tos como fuera posible, incluidas las de pacientes con Covid-19. Establecieron un sitio web donde las personas pueden registrar una serie de toses, a través de un teléfono celular u otro dispositivo habilitado para la web. Los participantes también completan una encuesta de los síntomas que están experimentando, tengan o no Covid-19, y si fueron diagnosticados a través de una prueba oficial, por la evaluación de un médico de sus síntomas o si se auto-diagnosticaron. También pueden anotar su género, ubicación geográfica e idioma nativo.
Hasta la fecha, los investigadores han recopilado más de 70.000 grabaciones, cada una de las cuales contiene varias toses, lo que equivale a unas 200.000 muestras de audio de tos forzada, que Subirana dice que es "el mayor conjunto de datos de investigación sobre tos que conocemos". Alrededor de 2.500 grabaciones fueron enviadas por personas que se confirmó que tenían Covid-19, incluidas aquellas que estaban asintomáticas.
El equipo usó las 2500 grabaciones asociadas a Covid, junto con 2500 grabaciones más que seleccionaron al azar de la colección para equilibrar el conjunto de datos. Usaron 4000 de estas muestras para entrenar el modelo de IA. Las 1.000 grabaciones restantes se introdujeron en el modelo para ver si podía discernir con precisión la tos de los pacientes con Covid frente a las personas sanas.
Sorprendentemente, como escriben los investigadores en su artículo, sus esfuerzos han revelado "una sorprendente similitud entre la discriminación de Alzheimer y Covid". Sin muchos ajustes dentro del marco de inteligencia artificial originalmente destinado a la enfermedad de Alzheimer, descubrieron que podía detectar patrones en los cuatro biomarcadores (fuerza de las cuerdas vocales, sentimiento, rendimiento pulmonar y respiratorio y degradación muscular) que son específicos de Covid-19. El modelo identificó el 98,5 por ciento de las toses de personas confirmadas con Covid-19, y de ellas, detectó con precisión todas las toses asintomáticas. "Creemos que esto muestra que la forma en que produce el sonido cambia cuando tiene Covid, incluso si no tiene síntomas”, dice Subirana.
Síntomas asintomáticos
El modelo de IA, subraya Subirana, no está destinado a diagnosticar personas sintomáticas, en cuanto a si sus síntomas se deben a Covid-19 u otras afecciones como la gripe o el asma. La fuerza de la herramienta radica en su capacidad para distinguir la tos asintomática de la tos sana.
El equipo está trabajando con una empresa para desarrollar una aplicación de preselección gratuita basada en su modelo de IA. También se están asociando con varios hospitales de todo el mundo para recopilar un conjunto más grande y diverso de grabaciones de tos, lo que ayudará a entrenar y fortalecer la precisión del modelo.
Como proponen en su artículo, "Las pandemias podrían ser cosa del pasado si las herramientas de preselección están siempre en segundo plano y se mejoran constantemente". En última instancia, imaginan que los modelos de IA de audio como el que han desarrollado pueden incorporarse en altavoces inteligentes y otros dispositivos de escucha para que las personas puedan obtener una evaluación inicial conveniente de su riesgo de enfermedad, tal vez a diario.
Esta investigación fue apoyada, en parte, por Takeda Pharmaceutical Company Limited.
Escrito y publicado por: Jennifer Chu | MIT News Office
29 de Octubre de 2020
Enlace Original: https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029