Investigación

El sonido de la tos y la respiración ha sido utilizado durante mucho tiempo por los profesionales de la medicina para evaluar la salud respiratoria y para diagnosticar diversas enfermedades. Antes de la pandemia del COVID-19, el personal médico recolectaba estos sonidos de un paciente y posteriormente hacía un diagnóstico a través de visitas en persona al consultorio. Aunque este método de diagnóstico, que antes era común, ahorra tiempo y dinero, la viabilidad de un diagnóstico en persona de COVID-19 a través de la tos y la respiración de un paciente es casi nula debido a la esencialidad del distanciamiento social y la limitación del personal médico durante esta pandemia.

Sin embargo, con la difusión de la Inteligencia Artificial (IA) en la tecnología de diagnóstico, puede ser posible diagnosticar el COVID-19 a través de una simple grabación de la tos en una aplicación de teléfono inteligente. Debido a la capacidad de los algoritmos de la IA de captar patrones diminutos -aún distinguibles- en las características de audio, la IA ha podido exhibir una alta sensibilidad y especificidad en la clasificación de las enfermedades respiratorias [1, 2, 3, 4, 5 ]. Entre los ejemplos anteriores de modelos de diagnóstico de la IA que han tenido éxito se incluyen los que diagnostican sibilancias y ronquidos [9], tos ferina [3], asma [1] y neumonía [1], todos los cuales utilizaron la firma respiratoria única de cada enfermedad para diferenciar los casos positivos.

Al igual que todas las demás enfermedades respiratorias, el COVID-19 crea una señal respiratoria única en la garganta y los pulmones que se distingue de otras infecciones respiratorias que producen una tos húmeda. Por consiguiente, se ha sugerido que los sonidos de la tos pueden ser analizados para detectar el COVID-19. A nivel mundial, esta idea está siendo investigada activamente por varias instituciones prestigiosas, incluyendo CMU[8], MIT[10] y Cambridge[7]. Por ejemplo, una investigación de crowdsource realizada por la Universidad de Cambridge demostró que un simple clasificador binario de aprendizaje de máquinas es capaz de clasificar a los pacientes positivos para COVID-19 a través de los sonidos de la respiración y la tos con gran precisión (AUC = 0,7)[7]. De manera similar, los investigadores de la CMU identificaron 18 características de la voz que distinguen a los pacientes positivos para COVID-19 y entrenaron un modelo para diagnosticar COVID-19 con una precisión del 89.1%[8].

Basándose en esta investigación pasada, Virufy está desarrollando un algoritmo de IA que puede ser usado para predecir con precisión una infección por COVID-19 en cuestión de minutos, basándose en grabaciones de sonidos de tos. Sin embargo, a diferencia de las anteriores investigaciones sobre la tos de COVID-19 que se centraban en la población de los Estados Unidos, Virufy tiene como objetivo recopilar datos de múltiples sitios en todo el mundo. Como iniciativa dirigida por estudiantes y con voluntarios que abarcan varios países, Virufy está desarrollando un modelo de diagnóstico de COVID-19 con una mayor inclusividad racial y geográfica a través de datos que incluyen una gama de etnias y diferencias fonológicas específicas de la comunidad.

Actualmente, Virufy ha desarrollado un modelo con una precisión del 80% con datos clínicos derivados de varios países y que abarcan múltiples etnias. Sin embargo, aunque nuestro modelo es de alta precisión, reconocemos que esto no es suficiente. Necesitamos tu tos para perfeccionar nuestro modelo y, en última instancia, desarrollar un modelo de diagnóstico de COVID-19 gratuito que pueda proporcionar fácil e instantáneamente un diagnóstico de COVID-19 a través de una aplicación para smartphones.