Un equipo de científicos expertos en inteligencia artificial (IA) desarrolló una aplicación de celular que detecta los casos de covid-19 en las voces de la gente con más precisión y rapidez que las pruebas de antígenos utilizadas hasta ahora.

El sistema, que se presentó ayer en el Congreso Internacional de la Sociedad Respiratoria Europea de Barcelona, también es más barato que los test de antígenos, lo que significa que podría usarse en países de bajos ingresos donde las pruebas son difíciles de conseguir.

Según Wafaa Aljbawi, investigadora del Instituto de Ciencia de Datos de la Universidad de Maastricht, en Países Bajos, este modelo de IA tiene una precisión del 89%, porcentaje que en el caso de los test varía según la marca.

"Nuestros resultados son prometedores y sugieren que las grabaciones de voz y los algoritmos de inteligencia artificial ajustados pueden ser muy precisos a la hora de determinar qué pacientes tienen infección por covid-19", asegura.

"Estas pruebas son gratuitas y fáciles de interpretar. Además, pueden ser pruebas virtuales remotas y su tiempo de respuesta es de menos de un minuto, por lo que podrían usarse, por ejemplo, en los puntos de entrada para grandes reuniones para asegurar una detección rápida en la población", avanza.

La infección por covid-19 suele afectar a las vías respiratorias superiores y las cuerdas vocales, causando cambios en la voz de una persona.

A partir de ahí, Aljbawi, Sami Simons, neumólogo de la Universidad de Maastricht, y Visara Urovi, del Instituto de Ciencia de Datos, investigaron si era posible usar IA para analizar voces y detectar contagios.

Para ello usaron la aplicación abierta "Covid-19 Sounds", creada por la Universidad de Cambridge para estudiar los síntomas del coronavirus, una base de datos que contiene 893 muestras de audio de 4.352 participantes sanos y no sanos, 308 de los cuales dieron positivo por covid-19.

Información básica

La aplicación se instala en el teléfono móvil del usuario, los participantes deben dar información básica, y datos de su historial médico y de hábitos como el tabaquismo, y luego se les pide que graben su respiración, su tos y su voz.

Usando la técnica de análisis de voz llamada análisis de espectrograma de Mel, que identifica diferentes características de la voz, como el volumen, la potencia y la variación, pudieron descomponer las distintas propiedades de las voces de los participantes.

Después, para distinguir la voz de los pacientes contagiados de los sanos, los científicos construyeron diferentes modelos de inteligencia artificial y estudiaron cuál funcionaba mejor para clasificar los casos.

Redes neuronales

El modelo "Long-Short Term Memory" (LSTM), basado en redes neuronales que imitan la forma en que opera el cerebro humano y reconoce las relaciones subyacentes en los datos, logró una precisión del 89% detectando correctamente los casos positivos y del 83% en los negativos.

Los resultados del estudio se validarán en uno más amplio con las 53.449 muestras de audio de 36.116 participantes.

En un segundo estudio, Henry Glyde, de la Universidad de Bristol, demostró que la IA (a través de la app "myCOPD") podría predecir brotes graves en los pacientes con enfermedad pulmonar obstructiva crónica (EPOC).