Las personas asintomáticas infectadas con Covid-19, por definición, no tienen ningún síntoma físico discernible de la enfermedad. Por lo tanto, es menos probable que busquen el virus y podrían transmitir la infección a otras personas sin saberlo.
Pero parece que aquellos que son asintomáticos no son completamente inmunes a 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 se pueden leer al oído humano. Pero resulta que pueden ser detectados por inteligencia artificial.
En un artículo publicado recientemente en Revista IEEE de Ingeniería en Medicina y Biología, el equipo presenta 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 móviles y laptops.
Los investigadores entrenaron al modelo en decenas de miles de muestras de tos, así como en palabras habladas. Cuando alimentaron el modelo con nuevos registros de tos, identificaron con precisión el 98,5% de las toses de personas con Covid-19 confirmado, incluido el 100% de las toses asintomáticas, que informaron que no tiene síntomas pero ha dado positivo en la prueba del virus.
El equipo está trabajando para integrar el modelo en una aplicación fácil de usar que, de ser aprobada por la FDA y ampliamente adoptada, podría ser una herramienta de detección gratuita, conveniente y no invasiva para identificar personas. probablemente sea asintomático para Covid-19. Un usuario puede iniciar sesión diariamente, toser en su teléfono y obtener información instantáneamente sobre si es probable que esté infectado y, por lo tanto, debe confirmar con una prueba formal.
"La implementación efectiva de esta herramienta de diagnóstico grupal podría reducir la propagación de la pandemia si todos la usan antes de ir a un aula, fábrica o restaurante", dice el el coautor Brian Subirana, investigador del Laboratorio de Identificación Automática del MIT. .
Los coautores de Subirana son Jordi Laguarta y Ferran Hueto, del Laboratorio de Identificación Automática del MIT.
Sentimientos vocales
Antes del inicio de la pandemia, los grupos de investigación ya habían entrenado algoritmos en grabaciones de tos de teléfonos celulares para diagnosticar con precisión condiciones como neumonía y asma. Asimismo, 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 a una disminución de la memoria, pero también a la degradación neuromuscular, como cuerdas vocales debilitadas.
Primero entrenaron un algoritmo general de aprendizaje automático, o red neuronal, llamado ResNet50, para discriminar entre 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 1000 horas de conversación, para seleccionar la palabra "ellos" de otras palabras como "el" y "luego".
El equipo entrenó una segunda red neuronal para distinguir estados emocionales evidentes en el habla, ya que los pacientes con enfermedad de Alzheimer, y las personas con deterioro neurológico en general, mostraban ciertos sentimientos como que 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 tos 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 hace esto esencialmente simulando una máscara de audio, o capa de ruido, y distinguiendo las toses fuertes, aquellas que se pueden escuchar por encima del ruido, de las silenciosas.
Con su nuevo marco de IA, el equipo alimentó grabaciones de audio que incluían a pacientes con enfermedad de Alzheimer y descubrió que podían identificar las muestras de Alzheimer mejor que los modelos existentes. Los resultados mostraron que, en conjunto, la fuerza de las cuerdas vocales, la sensación, 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 la enfermedad de Alzheimer también podría funcionar para diagnosticar Covid-19, ya que había cada vez más evidencia de que el Los pacientes infectados presentaban síntomas neurológicos similares, como insuficiencia neuromuscular temporal.
“Los sonidos del habla y la tos están influenciados por las cuerdas vocales y los órganos circundantes. Esto significa que cuando hablas, parte de tu conversación es como toser y viceversa. También significa que las cosas que obtenemos fácilmente del habla fluida, la IA, se pueden detectar simplemente al toser, incluidas cosas como el género, la lengua materna o incluso el estado emocional. de la persona. De hecho, hay una sensación incrustada en la forma en que tose ”, dice Subirana. "Así que nos preguntamos 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 tantos registros de tos como fuera posible, incluidos los de pacientes con Covid-19. Han creado 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 sobre los síntomas que están experimentando, si tienen o no Covid-19 y si han sido diagnosticados por una prueba oficial, por la evaluación de un médico de sus síntomas, o si son son autodiagnosticados. También pueden escribir su género, ubicación y lengua materna.
Hasta la fecha, los investigadores han recopilado más de 70.000 grabaciones, cada una con múltiples toses, o unas 200.000 muestras de audio de tos forzada, que Subirana dice que es "el mayor conjunto de datos de investigación sobre la tos que conocemos". ". Alrededor de 2.500 registros han sido presentados por personas que han sido confirmadas para tener Covid-19, incluidas aquellas que estaban asintomáticas.
El equipo usó los 2.500 registros asociados con Covid, junto con 2.500 registros adicionales que seleccionaron al azar de la colección para equilibrar el conjunto de datos. Usaron 4000 de esas muestras para entrenar el modelo de IA. Los 1.000 registros restantes se introdujeron en el modelo para ver si podía discernir con precisión la tos de los pacientes con Covid en comparación con los individuos sanos.
Sorprendentemente, como escriben los investigadores en su artículo, sus esfuerzos revelaron "una sorprendente similitud entre la discriminación de Alzheimer y Covid".
Sin muchos ajustes del marco de inteligencia artificial originalmente destinado a la enfermedad de Alzheimer, descubrieron que era capaz de detectar patrones en los cuatro biomarcadores: fuerza de las cuerdas vocales , sensación, rendimiento pulmonar y respiratorio y degradación muscular, que son específicos de Covid-19. El modelo identificó el 98,5% de las toses en personas confirmadas con Covid-19, y entre 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, señala Subirana, no está destinado a diagnosticar a personas sintomáticas, siempre que sus síntomas se deban a Covid-19 u otras afecciones como la gripe o la gripe o la gripe. 39; 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 detección gratuita basada en su modelo de inteligencia artificial. También están trabajando 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 siguen en segundo plano y se mejoran constantemente".
En última instancia, imaginan que los modelos de IA de audio como el que desarrollaron se pueden integrar en altavoces inteligentes y otros dispositivos de escucha para que las personas pueden obtener fácilmente una evaluación inicial de su riesgo de enfermedad, tal vez a diario.
Esta investigación fue apoyada, en parte, por Takeda Pharmaceutical Company Limited.