Una app para teléfonos móviles detecta la infección por COVID-19 en las voces de las personas

La inteligencia artificial (IA) se puede utilizar para detectar la infección por COVID-19 en las voces de las personas por medio de una aplicación de teléfono móvil, según una investigación que se presentará el lunes en el Congreso Internacional de la Sociedad Respiratoria Europea en Barcelona, ​​España.

El modelo de IA utilizado en esta investigación es más preciso que las pruebas de antígeno rápidas/de flujo lateral y es barato, rápido y fácil de usar, lo que significa que puede usarse en países de bajos ingresos donde las pruebas de PCR son costosas y/o difíciles de distribuir.

La Sra. Wafaa Aljbawi, investigadora del Instituto de Ciencia de Datos de la Universidad de Maastricht, Países Bajos, dijo al congreso que el modelo de IA fue preciso el 89% del tiempo, mientras que la precisión de las pruebas de flujo lateral varió ampliamente según la marca. Además, las pruebas de flujo lateral fueron considerablemente menos precisas para detectar la infección por COVID en personas que no mostraban síntomas.

“Estos resultados prometedores sugieren que las grabaciones de voz simples y los algoritmos de inteligencia artificial ajustados pueden potencialmente lograr una alta precisión para determinar qué pacientes tienen infección por COVID-19”, dijo. “Dichas pruebas se pueden proporcionar sin costo y son fáciles de interpretar. Además, permiten pruebas virtuales remotas y tienen un tiempo de respuesta de menos de un minuto. Podrían usarse, por ejemplo, en los puntos de entrada para grandes reuniones, lo que permite una detección rápida de la población”.

La infección por COVID-19 generalmente afecta las vías respiratorias superiores y las cuerdas vocales, lo que provoca cambios en la voz de una persona. La Sra. Aljbawi y sus supervisores, el Dr. Sami Simons, neumólogo del Centro Médico de la Universidad de Maastricht, y la Dra. Visara Urovi, también del Instituto de Ciencia de Datos, decidieron investigar si era posible usar IA para analizar voces con el fin de detectar el COVID-19.

Utilizaron datos de la aplicación COVID-19 Sounds de colaboración abierta de la Universidad de Cambridge que contiene 893 muestras de audio de 4352 participantes sanos y no sanos, 308 de los cuales habían dado positivo por COVID-19. La aplicación se instala en el teléfono móvil del usuario, los participantes brindan información básica sobre la demografía, el historial médico y el estado del tabaquismo, y luego se les pide que graben algunos sonidos respiratorios. Estos incluyen toser tres veces, respirar profundamente por la boca de tres a cinco veces y leer una oración corta en la pantalla tres veces.

Los investigadores utilizaron una técnica de análisis de voz llamada análisis de espectrograma de Mel, que identifica diferentes características de la voz, como el volumen, la potencia y la variación en el tiempo.

“De esta manera podemos descomponer las muchas propiedades de las voces de los participantes”, dijo la Sra. Aljbawi. “Con el fin de distinguir la voz de los pacientes con COVID-19 de aquellos que no tenían la enfermedad, construimos diferentes modelos de inteligencia artificial y evaluamos cuál funcionaba mejor para clasificar los casos de COVID-19”.

Encontraron que un modelo llamado Long-Short Term Memory (LSTM) superó a los otros modelos. LSTM se basa en redes neuronales, que imitan la forma en que opera el cerebro humano y reconoce las relaciones subyacentes en los datos. Funciona con secuencias, lo que lo hace adecuado para modelar señales recopiladas a lo largo del tiempo, como la voz, debido a su capacidad para almacenar datos en su memoria.

Su precisión general fue del 89 %, su capacidad para detectar correctamente los casos positivos (la tasa de verdaderos positivos o “sensibilidad”) fue del 89 % y su capacidad para identificar correctamente los casos negativos (la tasa de verdaderos negativos o “especificidad”) fue del 83 %.

“Estos resultados muestran una mejora significativa en la precisión del diagnóstico de COVID-19 en comparación con las pruebas más modernas, como la prueba de flujo lateral”, dijo la Sra. Aljbawi. “La prueba de flujo lateral tiene una sensibilidad de solo el 56 %, pero una tasa de especificidad más alta del 99,5 %. Esto es importante porque significa que la prueba de flujo lateral clasifica erróneamente a las personas infectadas como negativas para COVID-19 con más frecuencia que nuestra prueba. En otras palabras, con el modelo AI LSTM, podríamos pasar por alto 11 de cada 100 casos que propagarían la infección, mientras que la prueba de flujo lateral pasaría por alto 44 de cada 100 casos.

“La alta especificidad de la prueba de flujo lateral significa que solo a una de cada 100 personas se le diría erróneamente que era COVID-19 positivo cuando, de hecho, no estaban infectadas, mientras que la prueba LSTM diagnosticaría erróneamente a 17 de cada 100 personas no infectadas. como positivo. Sin embargo, dado que esta prueba es prácticamente gratuita, es posible invitar a las personas a las pruebas de PCR si las pruebas de LSTM muestran que son positivas”.