La nueva IA escucha los sonidos del inodoro para detectar la diarrea

27 de diciembre de 2022 — La inteligencia artificial ha dado otro gran paso: discernir el sonido de una evacuación intestinal no saludable.

Un diseño para un «detector de diarrea» que podría alertar a los funcionarios de salud sobre brotes como el cólera fue presentado recientemente por ingenieros del Instituto de Investigación Tecnológica de Georgia. Un día, la IA podría incluso usarse con dispositivos inteligentes domésticos para monitorear la salud intestinal.

Un prototipo identificó con precisión la diarrea el 98% de las veces cuando se probó, dijeron los ingenieros en una conferencia de la Acoustical Society of America en Nashville. Incluso con ruido de fondo, fue correcto el 96 % de las veces.

El cólera infecta a millones de personas cada año, matando hasta 143.000 que se deshidratan por diarrea severa, según la Organización Mundial de la Salud. Muchas muertes podrían evitarse con una solución de rehidratación oral si el brote se detecta lo suficientemente rápido. El cólera puede ser fatal dentro de las 24 horas posteriores al inicio de los síntomas.

El dispositivo podría instalarse en baños públicos donde la plomería inadecuada aumenta el riesgo de un brote de cólera.

«El cólera por lo general tiene un sonido más acuoso, puede sonar mucho como orinar y no tiene muchas notas de flatulencia en general», dice la codirectora del proyecto, Maia Gatlin, ingeniera aeroespacial y estudiante de doctorado en Georgia Tech Research. Instituto. «Si alguien tiene diarrea severa y tiene mucha, se puede capturar».

La idea surgió de conversaciones sobre cómo se puede monitorear COVID-19 mediante el análisis de aguas residuales, dice el codirector del proyecto, Alexis Noel, PhD, investigador de ingeniería biomecánica en el instituto.

Otros investigadores han considerado el análisis de video para buscar diarrea.

«Tenía curiosidad por saber si podíamos detectar la diarrea usando el sonido», dice Noel, «porque algunas personas desconfían un poco de tener una cámara apuntándoles el trasero en el inodoro».

Primero, los investigadores recolectaron 350 muestras de audio disponibles públicamente de sonidos de baños de YouTube y Soundsnap. Algunos clips tenían hasta 10 horas de sonidos de diarrea.

Los investigadores escucharon las muestras para establecer su autenticidad.

«No conocíamos a estas personas, no sabíamos cómo estaban grabando, así que tuvimos que escuchar un poco», dice Gatlin. «Definitivamente hubo muchos ruidos de pedos en los que dijimos: ‘Eso no es un pedo, es alguien que se sopla el codo’. «»

Los sonidos de defecación, micción, flatulencia y diarrea se convirtieron en imágenes de espectrograma. Una computadora analizó estas imágenes durante aproximadamente 10 horas utilizando una «red neuronal convolucional». El software, a través de prueba y error, aprende por sí mismo cómo identificar sutiles similitudes entre los espectrogramas de diarrea y cómo se diferencian de otros sonidos del inodoro.

Por ejemplo, la micción tiene un tono constante y la defecación puede tener un tono singular. El sonido de la diarrea es más aleatorio.

Una vez que se completó el proceso de entrenamiento de la IA, los investigadores cargaron el algoritmo de decodificación de la diarrea en una Raspberry Pi, una computadora del tamaño de una tarjeta de crédito que cuesta menos de $50. El estudiante de Georgia Tech, Cade Tyler, imprimió en 3D una carcasa para la placa base con una conexión de micrófono, una serie de LED (verde para adquirir la señal, rojo para la diarrea y naranja para «otro») y las palabras «Detector de diarrea» inscritas en la superficie. .

La computadora toma una grabación de audio de 10 segundos, que se convierte en un espectrograma y se pasa al algoritmo. Todo el proceso solo toma unos segundos.

La próxima iteración del dispositivo enviaría un informe a través de Wi-Fi u otra señal de comunicación inalámbrica a una base de datos, para que los funcionarios de salud pública puedan monitorear los brotes.

“No recolectamos nada identificable sobre las personas”, dice Gatlin.

Los investigadores aún tienen que determinar cuántos de estos dispositivos se necesitarían para cubrir una comunidad, o cuál sería la ubicación ideal.

El algoritmo aún debe refinarse mediante el uso de mejores datos de audio recopilados en condiciones controladas, de personas que han dado su consentimiento informado, dice Gatlin. Gatlin también espera capacitar a los RN para trabajar en letrinas al aire libre, que son comunes en áreas sin un sistema de alcantarillado en funcionamiento.

Source link

Facebook
Twitter
LinkedIn
Pinterest

Deja una respuesta

COSAS PARA MUJERES
Redactora

Como mujer quiero compartir mi punto de vista de diversos temas que nos interesa. Espero que todo el contenido sea de gran relevancia para ti.

ADVERTISEMENT

Get fresh updates
about my life in your inbox

SIGUENOS EN
Our gallery
EnglishSpanish