TECNOLOGÍA

Una aplicación para móviles puede detectar con precisión la COVID-19 en la voz de las personas

ERS · 14 septiembre 2022

La inteligencia artificial (IA) puede utilizarse para detectar la infección por COVID-19 en la voz de las personas mediante una aplicación de teléfono móvil, según una investigación presentada en el Congreso Internacional de la Sociedad Respiratoria Europea (ERS), celebrada en Barcelona.

El modelo de IA utilizado en esta investigación es más preciso que las pruebas de flujo lateral/antígeno rápido y es barato, rápido y fácil de usar, lo que significa que puede utilizarse en países de bajos ingresos donde las pruebas de PCR son caras y/o difíciles de distribuir.

Wafaa Aljbawi, investigadora del Instituto de Ciencia de Datos de la Universidad de Maastricht (Países Bajos), explica que el modelo de IA fue preciso en el 89% de las ocasiones, mientras que la precisión de las pruebas de flujo lateral variaba mucho según la marca. Además, las pruebas de flujo lateral eran considerablemente menos precisas para detectar la infección en personas que no mostraban síntomas.

"Estos prometedores resultados sugieren que unas sencillas grabaciones de voz y unos algoritmos de inteligencia artificial perfeccionados pueden lograr potencialmente una gran precisión a la hora de determinar qué pacientes están infectados por COVID-19", afirmó.

"Estas pruebas pueden proporcionarse sin coste alguno y son sencillas de interpretar. Además, permiten realizar pruebas virtuales a distancia y tienen un tiempo de respuesta inferior a un minuto -añadió-. Podrían utilizarse, por ejemplo, en los puntos de entrada de las grandes concentraciones, lo que permitiría un cribado rápido de la población".

Aljbawi, junto con Sami Simons y Visara Urovi, decidieron investigar si era posible utilizar la IA para analizar las voces con el fin de detectar el COVID-19. Utilizaron datos de la aplicación de crowdsourcing COVID-19 Sounds de la Universidad de Cambridge (Reino Unido), que contiene 893 muestras de audio de 4.352 participantes sanos y no sanos, 308 de los cuales habían dado positivo en la prueba de COVID-19.

Utilizaron una técnica denominada análisis del espectrograma de Mel, que identifica diferentes características de la voz, como el volumen, la potencia y la variación en el tiempo.

Descubrieron que un modelo llamado Memoria a Corto Plazo (LSTM) superaba a los demás modelos. Su precisión global fue del 89%, su capacidad para detectar correctamente los casos positivos fue del 89%, y su capacidad para identificar correctamente los casos negativos fue del 83%.

"Estos resultados muestran una mejora significativa en la precisión del diagnóstico de la COVID-19 en comparación con las pruebas más modernas, como la prueba de flujo lateral -afirma Aljbawi-. La prueba de flujo lateral tiene una sensibilidad de sólo el 56%, pero una tasa de especificidad mayor, del 99,5%".

Los investigadores afirman que sus resultados deben ser validados con un gran número de personas. Desde el inicio de este proyecto, ya se han recogido 53.449 muestras de audio de 36.116 participantes, que pueden utilizarse para mejorar y validar la precisión del modelo. También están llevando a cabo otros análisis para comprender qué parámetros de la voz influyen en el modelo de IA.