Es un trabajo que cuenta con el apoyo de la FAPESP cuyo objetivo consiste en ayudar en el triaje de pacientes con sospecha de COVID-19 (imagen: SPIRA/ IME-USP)
Es un trabajo que cuenta con el apoyo de la FAPESP cuyo objetivo consiste en ayudar en el triaje de pacientes con sospecha de COVID-19
Es un trabajo que cuenta con el apoyo de la FAPESP cuyo objetivo consiste en ayudar en el triaje de pacientes con sospecha de COVID-19
Es un trabajo que cuenta con el apoyo de la FAPESP cuyo objetivo consiste en ayudar en el triaje de pacientes con sospecha de COVID-19 (imagen: SPIRA/ IME-USP)
Por Elton Alisson | Agência FAPESP – Además de la temperatura, la oxigenación en la sangre y la frecuencia cardíaca, la voz puede convertirse en un parámetro para ayudar a detectar de manera más rápida a los pacientes con sospecha de COVID-19.
Mediante el análisis del habla, investigadores que cuentan con el apoyo de la FAPESP pretenden detectar la insuficiencia respiratoria, uno de los principales síntomas de esta enfermedad. Este proyecto, al que se le dio el nombre de Spira –las siglas de Sistema de Detección Precoz de la Insuficiencia Respiratoria Mediante Análisis de Audio–, está desarrollándose con el apoyo del Hospital de Clínicas de la Facultad de Medicina de la Universidad de São Paulo (HC-FM-USP), en la ciudad de São Paulo, en Brasil.
“La idea es identificar a través de la voz si una persona que está hablando por teléfono o a través de la pantalla de una computadora, por ejemplo, exhibe un nivel de insuficiencia respiratoria que indique la necesidad de dirigirse inmediatamente a un hospital para que la atienda un equipo médico”, declaró a Agência FAPESP Marcelo Finger, docente del Instituto de Matemática y Estadística (IME) de la USP y coordinador del proyecto.
Para desarrollar este sistema, los investigadores crearon un programa de captación de grabaciones de frases tales como “el amor al prójimo ayuda a enfrentar al coronavirus con la fuerza que necesitamos”, leídas por pacientes con COVID-19 internados en el Hospital de Clínicas.
Las muestras de voz reunidas se compararán con las de personas que no padecen la enfermedad para detectar patrones divergentes con programas de inteligencia artificial.
Mediante técnicas de aprendizaje de máquinas como los de redes neuronales, el sistema aprenderá a detectar si una persona exhibe insuficiencia respiratoria según la cantidad de pausas, respiraciones y otros patrones presentes en la voz al emitir una frase, por ejemplo.
Al constatar que la persona está con insuficiencia respiratoria, el sistema emitirá una alarma dirigida al profesional de la salud que monitorea al paciente en forma remota, a los efectos de que entre en contacto con el mismo o con quien lo acompañe y solicitarle que se dirijan a un hospital.
“La idea es que el sistema facilite el trabajo de triaje de los pacientes que realizan los equipos médicos, fundamentalmente en el actual momento en que el sistema de salud se encuentra sobrecargado”, afirma Finger.
Para efectuar un entrenamiento previo del sistema, los investigadores pretenden echar mano de una colección de voces de hablantes del idioma portugués de todas las regiones de Brasil, reunidas en el transcurso de los últimos 50 años.
El sistema entrenado previamente con esa cantidad de datos se adaptará para que con muchas menos muestras de voces logre clasificar si una persona exhibe o no insuficiencia respiratoria, explica Finger.
“Este proyecto, que se valdrá del procesamiento de lenguaje natural para efectuar el diagnóstico médico, se ubica en la frontera del conocimiento. Puede ser que el grado de precisión que alcancemos en una primera fase no sea el ideal. Pero también estamos aprendiendo y abriendo una vía de investigación que puede tener innumerables aplicaciones”, dice. Los investigadores participantes en el proyecto están recibiendo nuevos registros de voz a través del sitio web del proyecto. Más de 11 mil personas han ingresado a la plataforma para grabar tres frases y hacer su aporte a la investigación.
Percepción tardía
El sistema será especialmente útil en el diagnóstico del COVID-19, pues la enfermedad tiene una progresión sumamente lenta. Por eso la mayoría de los pacientes se da cuenta demasiado tarde del empeoramiento del cuadro y demora en ir al hospital, comenta Anna Shafferman, docente de la FM-USP e integrante del proyecto.
Las personas que evolucionan hacia cuadros más graves de la enfermedad empiezan a empeorar solo después del séptimo día de infección, y entre el octavo y el 11º día se produce un empeoramiento súbito, dijo la investigadora en un evento online organizado por el Jornal da USP.
“Al comienzo de la epidemia, nos preguntábamos por qué las personas tardaban tanto en ir al hospital. Constatamos que eso obedece al hecho de que no notan que están empeorando. Por eso se las orienta a no quedarse en sus casas esperando a percatarse que están con insuficiencia respiratoria, pues esa percepción es demasiado tardía”, dice.
Una de las razones para la progresión lenta de la enfermedad es el tipo de compromiso pulmonar, más intersticial, que mantiene la complacencia de los pulmones y le brinda la falsa impresión al paciente de que los órganos están funcionando bien, según explica la investigadora.
“Es algo muy frecuente que los pacientes con COVID-19 exhiban una saturación de oxígeno entre 85 y 87, que son valores muy bajos. Un sistema capaz de detectar ese cuadro de insuficiencia respiratoria a través de la voz facilitará sobremanera el diagnóstico”, sostiene Shafferman.
El sistema también será sumamente útil incluso una vez superada la epidemia de COVID-19, dado que la insuficiencia respiratoria constituye un síntoma común de otras enfermedades como la neumonía, apunta la investigadora.
“Los profesionales de la salud también podrán utilizar este sistema en la admisión de pacientes en las guardias hospitalarias, por ejemplo”, afirma.
The Agency FAPESP licenses news via Creative Commons (CC-BY-NC-ND) so that they can be republished free of charge and in a simple way by other digital or printed vehicles. Agência FAPESP must be credited as the source of the content being republished and the name of the reporter (if any) must be attributed. Using the HMTL button below allows compliance with these rules, detailed in Digital Republishing Policy FAPESP.