La tecnología mejorada de detección de la tos facilita el control de la salud

Históricamente, las tecnologías de detección de tos han tenido dificultades para distinguir el sonido de la tos del habla y los ruidos humanos no verbales, lo que limita su utilidad. Ahora, los investigadores han mejorado la capacidad de los dispositivos portátiles de salud para detectar con precisión cuándo un paciente tose, facilitando así el seguimiento de enfermedades crónicas y la predicción de riesgos para la salud.

Investigadores de la Universidad Estatal de Carolina del Norte (Raleigh, Carolina del Norte, EUA) han desarrollado un enfoque multimodal que utiliza datos de monitores torácicos para entrenar modelos de detección de tos. El equipo recopiló dos tipos de datos del mundo real:audio captado por los monitores y señales de movimiento procedentes de acelerómetros integrados, y luego perfeccionó los algoritmos de aprendizaje automático basados en trabajos previos. El uso combinado de sonido y movimiento permite al modelo utilizar señales complementarias (el audio para las características acústicas y los datos del acelerómetro para los movimientos repentinos asociados con la tos), mejorando la detección donde el sonido por sí solo puede ser ambiguo.

Cuando se probó en un entorno de laboratorio, el nuevo modelo multimodal demostró ser más preciso que las tecnologías anteriores de detección de tos, generando menos falsos positivos y distinguiendo mejor la tos del habla y de sonidos no verbales como los estornudos o el carraspeo. Los investigadores demostraron que los datos de movimiento por sí solos son insuficientes (ya que diferentes acciones pueden producir movimientos similares), pero la fusión de modalidades reduce la clasificación errónea en situaciones reales.El artículo que describe estos resultados fue publicado en la revista IEEE Journal of Biomedical and Health Informatics .

La detección mejorada de la tos mediante dispositivos portátiles podría permitir la monitorización continua de enfermedades respiratorias crónicas, alertas tempranas ante exacerbaciones del asma y métricas más confiables sobre la frecuencia de la tos para la atención clínica y los ensayos médicos. Este enfoque es práctico para dispositivos corporales y se desarrolló considerando la variabilidad real de sonidos y movimientos, aunque el equipo señala que aún hay margen de mejora. Los investigadores trabajan actualmente para reducir aún más los errores y ampliar la robustez del sistema en entornos cotidianos.

“Este es un avance significativo”, afirmó Edgar Lobaton, autor correspondiente. “Hemos mejorado mucho la distinción entre la tos y el habla humana, y el nuevo modelo es considerablemente mejor a la hora de distinguir la tos de los sonidos no verbales. Aún hay margen de mejora, pero sabemos cómo abordarlo y ahora estamos trabajando en este reto”.