Investigación
Basado en la investigación clínica sobre la clasificación del sonido de la tos de prestigiosas instituciones como CMU, MIT y Cambridge, Virufy está desarrollando un algoritmo de inteligencia artificial para predecir con precisión una infección por COVID-19 en cuestión de minutos, basándose en grabaciones del sonido de la tos.


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.
A continuación se presentan algunos ejemplos de proyectos de investigación que nos dan confianza en el objetivo de desarrollar un algoritmo de IA para ser usado en la detección de COVID-19:

Fuente de datos
Investigación masiva de la Universidad de Cambridge que utilizó muestras de tos y aliento para comprender cómo los sonidos del COVID-19 son discernibles en personas con asma o controles sanos. Sus resultados muestran que incluso un clasificador binario de aprendizaje automático simple es capaz de clasificar correctamente los sonidos COVID-19 y saludables. Nuestros modelos alcanzan un AUC Por encima del 70% en todas las tareas. Este trabajo inspira investigación adicional sobre cómo los patrones de respiración analizados automáticamente pueden usarse como sinapsis de preselección para ayudar en el no diagnóstico de COVID-19 [7].

Detector de voz COVID
Un estudio de la Universidad Carnegie Mellon tenía como objetivo recoger un gran número de muestras de voz para entrenar la IA para el diagnóstico de COVID. El fundamento del estudio es que "el sonido de nuestra voz (independientemente del idioma), y los sonidos que hacemos cuando respiramos o tosemos cambian cuando nuestro sistema respiratorio se ve afectado". Los cambios van desde cambios gruesos y claramente audibles, hasta cambios diminutos - lo que llamamos "micro" señales, que no son audibles para el oyente no entrenado, pero que sin embargo están presentes" [8].

Hola Sigma, ¿tengo el Coronavirus? Convocatoria para un nuevo enfoque de inteligencia artificial para apoyar a los profesionales de la salud que tratan con la pandemia de COVID-19.
El Departamento de Ingeniería Mecánica del MIT propone detectar los casos positivos de COVID recogiendo muestras de tos a través del teléfono para entrenar la inteligencia artificial y posteriormente construir un algoritmo de diagnóstico [11].

La IA permitió el diagnóstico anticipado de COVID-19 a partir de muestras de tos a partir de una aplicación
Un estudio diseñado para recoger muestras de tos para entrenar y utilizar la arquitectura de la IA que minimiza los diagnósticos erróneos. Predice que en el momento de escribir este artículo, su motor de IA puede distinguir entre la tos de los pacientes con COVID-19 y varios tipos de tos sin COVID-19 con más de un 90% de precisión [9].
¡La Inteligencia Artificial ha sido usada en el pasado para el diagnóstico!
Análisis del sonido de la tos para la clasificación de la neumonía y el asma en la población pediátrica
En este estudio se utilizó la IA para distinguir entre la tos del asma y la neumonía, con el objetivo de prestar asistencia médica a los países en desarrollo de escasos recursos. Su método alcanzó una sensibilidad del 89%, una especificidad del 100% y un Kappa del 0,89. Sus resultados muestran el uso potencial de la IA en la detección y diferenciación de los sonidos respiratorios [1].
Un algoritmo basado en la tos para el diagnóstico automático de la tos ferina
Este estudio utiliza la tos de la tos ferina, el crup y la congestión nasal, que corresponden a otras enfermedades como la bronquiolitis y el asma, para entrenar la IA con el fin de detectar la tos ferina. El algoritmo es capaz de diagnosticar con éxito toda la tos ferina a partir de grabaciones de audio, detectando automáticamente los sonidos individuales de la tos con una precisión del 92% y un VPP del 97%. Su resultado apoya el uso de la IA como un candidato potencial para diferenciar y diagnosticar los sonidos respiratorios [3].

Citas
- [1] Y. Amrulloh, U. Abeyratne, V. Swarnkar and R. Triasih, "Cough Sound Analysis for Pneumonia and Asthma Classification in Pediatric Population," 2015 6th International Conference on Intelligent Systems, Modelling and Simulation,Kuala Lumpur, 2015, pp. 127-131, doi: 10.1109/ISMS.2015.41.
- [2] “Coronavirus (COVID-19).” National Institutes of Health, U.S. Department of Health and Human Services, 31 Mar. 2020, https://www.nih.gov/health-information/coronavirus.
- [3] Pramono, Renard & Imtiaz, Anas & Rodriguez-Villegas, Esther. (2016). A Cough-Based Algorithm for Automatic Diagnosis of Pertussis. PloS one. 11. e0162128. 10.1371/journal.pone.0162128.
- [4] Kvapilova, Lucia, et al. “Continuous Sound Collection Using Smartphones and Machine Learning to Measure Cough.” Digital Biomarkers, vol. 3, no. 3, Oct. 2019, pp. 166–175., doi:10.1159/000504666.
- [5] Ferrari, Sara, et al. “Cough Sound Analysis to Identify Respiratory Infection in Pigs.” Computers and Electronics in Agriculture, vol. 64, no. 2, 2008, pp. 318–325., doi:10.1016/j.compag.2008.07.003.
- [6] Maghdid et al., “A Novel AI-Enabled Framework to Diagnose Coronavirus COVID 19 Using Smartphone Embedded Sensors.” https://arxiv.org/abs/2003.07434
- [7] Covid-19 Sounds App—University of Cambridge. (n.d.). Retrieved April 12, 2020, from http://www.covid-19-sounds.org/
- [8] COVID Voice Detector—Carnegie Mellon University. (n.d.). Retrieved April 12, 2020, from https://cvd.lti.cmu.edu/
- [9] A. Imran et al.: AI4COVID-19: AI Enabled Preliminary Diagnosis for COVID-19 from Cough Samples via an App
- [10] “Breath Sounds.” Healthline, https://www.healthline.com/health/breath-sounds .
- [11] “Hi Sigma, do I have the Coronavirus?: Call for a New Artificial Intelligence Approach to Support Health Care Professionals Dealing With The COVID-19 Pandemic”- MIT Retrieved July 2020, from https://www.researchgate.net/publication/340644305_Hi_Sigma_do_I_have_the_Coronavirus_ Call_for_a_New_Artificial_Intelligence_Approach_to_Support_Health_Care_Professionals_Deal ing_With_The_COVID-19_Pandemicz