Covid: Un modelo IA del MIT es capaz de detectar por la tos a los asintomáticos

Una de las claves para frenar la propagación del coronavirus Covid-19 está en lograr detectar a las personas contagiadas pero sin síntomas físicos, los llamados asintomáticos, para que puedan cumplir una cuarentena y evitar contagiar, sin saberlo, a los que tengan en su entorno. Una investigación del MIT ha desasarrollado un modelo de inteligencia artiifcial que es capaz de distinguir a las personas asintomáticas con una grabación de su tos.

Estas diferencias en la tos "no son descifrables para el oído humano, pero pueden ser detectadas mediante inteligencia artificial", explican desde el Instituto Tecnológico de Massachusetts, tras publicar la investigación en IEEE Journal of Engineering in Medicine and Biology . Este modelo de IA 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 smartphones o portátiles.

Así, este modelo, diseñado en su origen para enfermos con Alzheimer, es capaz de detectar patrones en cuatro biomarcadores (fuerza de las cuerdas vocales, sentimiento, rendimiento pulmonar y respiratorio y degradación muscular) que son específicos de Covid-19. Durante estos meses, los investigadores han entrenado el modelo con decenas de miles de muestras de toses, así como palabras habladas, y el modelo ha identificado al 98,5 por ciento de las toses de personas confirmadas con Covid-19, y de ellas, detectó con precisión todas las toses de personas asintomáticas.

El equipo está trabajando para incorporar el modelo en una aplicación fácil de usar, que si la FDA (la agencia estadounidense del medicacmento) 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.

"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", señala el coautor de este estudio Brian Subirana, científico investigador del Laboratorio de identificación automática del MIT. 

Investigación previa a la Covid

Antes del inicio de la pandemia por Covid, los equipos de investigación ya entrenaban algoritmos con grabaciones de toses en smartphones para diagnosticar con precisión afecciones como neumonía y asma. Además, con este modelo de IA también se han analizado grabaciones de toses forzadas para ver si se podía detectar signos de Alzheimer, una enfermedad asociada no solo con el deterioro de la memoria, sino también con la degradación neuromuscular, como las cuerdas vocales debilitadas.

Primero entrenaron un algoritmo general de aprendizaje automático, 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 “them” (ellos en inglés) de otras palabras como “the” (el/la en inglés) o “then” (entonces).

Asimismo, 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 frustración o tener un afecto plano, con más frecuencia de lo que expresan felicidad o calma. 

Por último, los investigadores desarrollaron un tercer modelo de clasificación de voz de sentimientos, entrenándolo con un gran conjunto de datos de actores que entonaban estados emocionales, como neutral, tranquilo, feliz y triste.

De este modo, los investigadores combinaron los tres modelos para superponer un algoritmo para detectar la degradación muscular. "El algoritmo lo hace esencialmente simulando una máscara de audio, o capa de ruido, y distinguiendo las toses fuertes, aquellas que se pueden escuchar sobre el ruido, de las más débiles".

Adaptar la investigación a la Covid-19

Cuando la pandemia de coronavirus comenzó a desarrollarse, Subirana se preguntó si su modelo de inteligencia artificial para la enfermedad de Alzheimer también podría funcionar para diagnosticar Covid-19, ya que había una creciente evidencia de que los pacientes infectados experimentaron algunos síntomas neurológicos similares, como un deterioro neuromuscular temporal.  “Entonces pensamos, ¿por qué no probamos estos biomarcadores de Alzheimer [para ver si son relevantes] para Covid?”.

En abril, el equipo del MIT 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, mediante 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 con 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 confirmaron que tenían Covid-19, incluidas aquellas que eran asintomáticas. El equipo utilizó las 2.500 grabaciones asociadas a Covid, junto con 2.500 grabaciones más que seleccionaron al azar de la colección para equilibrar el conjunto de datos. Usaron 4.000 de estas muestras para entrenar el modelo de IA. Las 1.000 grabaciones restantes se introdujeron en el modelo para ver si podía distinguir con precisión la tos de los pacientes con Covid frente a los de individuos sanos. Así se ha revelado "una sorprendente similitud entre la discriminación de Alzheimer y Covid".