Por revistaeyn.com
Desde la tos hasta el habla e incluso la respiración, los sonidos que emite nuestro cuerpo están llenos de información sobre nuestra salud. Las pistas sutiles ocultas en estos sonidos bioacústicos tienen el potencial de revolucionar la forma en que se examina una amplia gama de afecciones de salud como la tuberculosis (TB) o la enfermedad pulmonar obstructiva crónica (EPOC).
Los investigadores de Google han estado explorando formas de usar la IA para extraer información sobre la salud de los datos acústicos.
A principios de este año, presentaron Health Acoustic Representations, o HeAR, un modelo de base bioacústica diseñado para ayudar a los investigadores a construir modelos que puedan escuchar sonidos humanos y detectar los primeros signos de enfermedad. El equipo de investigación de Google entrenó a HeAR con 300 millones de datos de audio seleccionados de un conjunto de datos diverso y anónimo, y entrenó el modelo de tos en particular utilizando aproximadamente 100 millones de sonidos de tos.
HeAR aprende a discernir patrones dentro de los sonidos relacionados con la salud, lo que crea una base sólida para el análisis de audio médico. Descubrieron que, en promedio, HeAR tiene una mejor clasificación que otros modelos en una amplia gama de tareas y para generalizar entre micrófonos, lo que demuestra su capacidad superior para capturar patrones significativos en datos acústicos relacionados con la salud.
INVESTIGACIÓN EN SALUD
Los modelos entrenados con HeAR también lograron un alto rendimiento con menos datos de entrenamiento, un factor crucial en el mundo de la investigación en el ámbito de la salud, que a menudo escasea en cuanto a datos.
HeAR ahora está disponible para los investigadores para ayudar a acelerar el desarrollo de modelos bioacústicos personalizados con menos datos, configuración y computación.
Salcit Technologies, una empresa de atención médica respiratoria con sede en la India, ha creado un producto llamado Swaasa que utiliza IA para analizar los sonidos de la tos y evaluar la salud pulmonar. Ahora, la empresa está explorando cómo HeAR puede ayudar a expandir las capacidades de sus modelos de IA bioacústica.
“Cada caso de tuberculosis que no se detecta es una tragedia; cada diagnóstico tardío, un desamor”, dice Sujay Kakarmath, gerente de productos de Google Research que trabaja en HeAR. “Los biomarcadores acústicos ofrecen el potencial de reescribir esta narrativa. Estoy profundamente agradecido por el papel que HeAR puede desempeñar en este viaje transformador”.
También están viendo el apoyo a este enfoque por parte de organizaciones como The Stop TB Partnership, una organización auspiciada por las Naciones Unidas que reúne a expertos en tuberculosis y comunidades afectadas con el objetivo de acabar con la tuberculosis para 2030.
“Soluciones como HeAR permitirán que el análisis acústico impulsado por IA abra nuevos caminos en la detección y el cribado de la tuberculosis, ofreciendo una herramienta accesible y de bajo impacto potencial para quienes más la necesitan”, afirmó Zhi Zhen Qin, especialista en salud digital de Stop TB Partnership.
