Reconocimiento facial monitoriza continuamente a los pacientes en la UCI

Después de recopilar alrededor de 300 horas de datos de imágenes diurnas de los pacientes frente a la cámara en posiciones del cuerpo que mostraban su rostro y sus ojos con claridad, 99 imágenes fueron sometidas a un algoritmo de aprendizaje automático (AA) para ser analizadas. Sobre la base de los aportes de los datos de observación, especialmente de la cara del individuo, el algoritmo de IA aprendió a identificar posibles conductas de alto riesgo en un proceso que se asemeja a la forma en que un cerebro humano aprende nueva información.

En un estudio de prueba de concepto que incluyó a 24 pacientes postoperatorios (promedio de 67 años) que ingresaron en la UCI en el Hospital Universitario de la Ciudad de Yokohama entre junio y octubre de 2018, el algoritmo de AA pudo identificar comportamientos peligrosos de alto riesgo, como eliminación accidental de su tubo de respiración, con 75% de exactitud. También sugirieron que la monitorización de la conciencia puede mejorar la exactitud ayudando a diferenciar entre conductas de alto riesgo y movimientos voluntarios. El estudio se presentó en el congreso anual Euroanaestesia, celebrado en junio de 2019 en Viena (Austria).

“Usando las imágenes que tomamos de la cara y los ojos de un paciente, pudimos entrenar los sistemas informáticos para reconocer el movimiento del brazo de alto riesgo”, dijo la autora principal y presentadora del estudio, Akane Sato, MD. “Nos sorprendió el alto grado de exactitud que obtuvimos, demostrando que esta nueva tecnología tiene el potencial de ser una herramienta útil para mejorar la seguridad de los pacientes y es el primer paso para una UCI inteligente que se planifica en nuestro hospital”.

Los sistemas de reconocimiento facial utilizan la biometría para mapear características faciales de una fotografía o un video. Luego se analiza la geometría de la cara, con factores clave que incluyen la distancia interpupilar y la distancia desde la frente hasta la barbilla. En total, hay más de 65 características cuantificables que se pueden usar para identificar una cara, generando una firma facial única.

Enlace relacionado:
Universidad de la Ciudad de Yokohama