Inteligencia artificial convierte los sonidos de la tos en datos para el pronóstico de la gripe y pandemias

Comparta este Artículo en:

Dispositivo de inteligencia artificial portátil convierte los sonidos de tos en datos de salud para pronosticar la gripe.

Investigadores de UMass Amherst probaron “FluSense” en las salas de espera de la clínica del campus.

Han inventado un dispositivo de vigilancia portátil impulsado por aprendizaje automático, llamado FluSense, que puede detectar la tos y el tamaño de la multitud en tiempo real, luego analizar los datos para controlar directamente las enfermedades similares a la gripe y las tendencias de la influenza.

Los creadores de FluSense dicen que la nueva plataforma de computación de última generación, prevista para su uso en hospitales, salas de espera de atención médica y espacios públicos más grandes, puede ampliar el arsenal de herramientas de vigilancia de la salud utilizadas para pronosticar la gripe estacional y otros brotes respiratorios virales, como la pandemia COVID-19 o el SARS.

Modelos como estos pueden salvar vidas al informar directamente durante una epidemia de gripe.

Estas fuentes de datos pueden ayudar a determinar el momento de las campañas de vacunación contra la gripe, las posibles restricciones de viaje, la asignación de suministros médicos y más.

“Esto puede permitirnos predecir las tendencias de la gripe de una manera mucho más precisa“, dice el coautor Tauhidur Rahman, profesor asistente de ciencias de la computación y la información, quien asesora al estudiante Ph.D. y autor principal Forsad Al Hossain.

Para probar su invento en el mundo real, los inventores de FluSense se asociaron con el Dr. George Corey, director ejecutivo de University Health Services; el bioestadístico Nicholas Reich, director del Centro de Excelencia de Pronóstico de Influenza de los CDC con sede en UMass y el epidemiólogo Andrew Lover, experto en enfermedades transmitidas por vectores y profesor asistente en la Facultad de Salud Pública y Ciencias de la Salud.

La plataforma FluSense procesa una matriz de micrófonos de bajo costo y datos de imágenes térmicas con un Raspberry Pi y un motor de computación neuronal.

No almacena información de identificación personal, como datos de voz o imágenes distintivas.

En el Mosaic Lab de Rahman, donde científicos informáticos desarrollan sensores para observar la salud y el comportamiento humano, los investigadores primero desarrollaron un modelo de tos basado en el laboratorio.

Luego entrenaron al clasificador de redes neuronales profundas para dibujar cuadros delimitadores en imágenes térmicas que representan personas, y luego contarlos.

“Nuestro principal objetivo era construir modelos predictivos a nivel de población, no a nivel individual“, dice Rahman.

If you check out the survey reports then you will notice that 90% of young men are currently all that much agreeable in conversing with their wellbeing spe viagra brandts about male impotency. This FDA-approved drug can be conveniently purchased from an online pharmacy is actually quite easy and if you aren’t at the pharmacy with knowing what you do need there is a free consultation option frankkrauseautomotive.com pfizer viagra price which will allow you to sustain an erection for longer, Testosterone replacement, which is considered in later stages of impotence, counseling to decrease your sexual function. Though we love each song played during the wedding receptions, these are a few of our favorites. cost viagra cialis If you buy viagra online have never thought about quitting, consider impotence as another consequence for you to ponder.

Colocaron los dispositivos FluSense, encerrados en una caja rectangular del tamaño de un diccionario grande, en cuatro salas de espera de atención médica en la clínica de Servicios de Salud de la Universidad de UMass.

Desde diciembre de 2018 hasta julio de 2019, la plataforma FluSense recopiló y analizó más de 350,000 imágenes térmicas y 21 millones de muestras de audio sin voz de las áreas de espera públicas.

Los investigadores encontraron que FluSense fue capaz de predecir con precisión las tasas diarias de enfermedad en la clínica de la universidad.

Conjuntos múltiples y complementarios de señales FluSense “fuertemente correlacionados” con pruebas de laboratorio para detectar enfermedades similares a la gripe y la gripe en sí.

Según el estudio, “la información temprana relacionada con los síntomas capturada por FluSense podría proporcionar información valiosa adicional y complementaria a los esfuerzos actuales de predicción de la gripe“, como la Red FluSight, que es un consorcio multidisciplinario de equipos de pronóstico de la gripe, incluido el Laboratorio Reich en UMass Amherst.

“He estado interesado en los sonidos corporales que no son del habla durante mucho tiempo“, dice Rahman. “Pensé que si podíamos capturar sonidos de tos o estornudos desde espacios públicos donde muchas personas se congregan naturalmente, podríamos utilizar esta información como una nueva fuente de datos para predecir tendencias epidemiológicas“.

Al Hossain dice que FluSense es un ejemplo del poder de combinar la inteligencia artificial con la informática de vanguardia, la tendencia que empuja las fronteras y permite que los datos se recopilen y analicen directamente en la fuente de datos.

“Estamos tratando de llevar los sistemas de aprendizaje automático al límite“, dice Al Hossain, señalando los componentes compactos dentro del dispositivo FluSense.

“Todo el procesamiento ocurre aquí mismo. Estos sistemas se están volviendo más baratos y más potentes“.

El siguiente paso es probar FluSense en otras áreas públicas y ubicaciones geográficas.

“Tenemos la validación inicial de que la tos tiene una correlación con la enfermedad relacionada con la gripe“, dice Lover.

“Ahora queremos validarlo más allá de este entorno hospitalario específico y demostrar que podemos generalizar en todas las ubicaciones“.

Fuente: Umass