En un avance significativo en el campo de la salud y la tecnología, un equipo liderado por científicos de Google ha desarrollado una herramienta de aprendizaje automático que podría revolucionar la forma en que detectamos y monitorizamos condiciones de salud.
Esta herramienta de inteligencia artificial (IA), denominada Representaciones Acústicas de Salud (HeAR por sus siglas en inglés), ha sido entrenada con millones de clips de audio que incluyen sonidos humanos como la tos y la respiración.
Lo que distingue a HeAR es la vastedad de su conjunto de datos y su capacidad para adaptarse y realizar múltiples tareas, prometiendo ser una herramienta valiosa en el diagnóstico de enfermedades como COVID-19 y tuberculosis, así como en la evaluación de la función pulmonar.
El uso del sonido como biomarcador de enfermedad no es un concepto nuevo: ganó tracción durante la pandemia de COVID-19, cuando los investigadores descubrieron la posibilidad de detectar la enfermedad a través de la tos de una persona. Sin embargo, HeAR marca una diferencia con su enfoque innovador.
El entrenamiento de HeAR
La formación de HeAR no se basó en el aprendizaje supervisado tradicional, que depende de conjuntos de datos etiquetados y limitados. En cambio, los investigadores de Google emplearon un aprendizaje auto-supervisado, utilizando datos no etiquetados extraídos de videos públicos de YouTube, abarcando más de 300 millones de clips cortos de sonidos humanos. Este método permitió crear un modelo fundamental adaptable a diversas tareas.
En pruebas preliminares, HeAR ha demostrado ser extraordinariamente eficaz, superando a modelos existentes en la detección de COVID-19 y tuberculosis con puntuaciones que indican una mayor precisión en sus predicciones. Esto sugiere no solo la fiabilidad del modelo, sino también su aplicabilidad general debido a la diversidad de los datos de entrenamiento.
El potencial de HeAR y la ciencia acústica en el ámbito de la salud es inmenso, abriendo nuevas vías para el diagnóstico, el cribado y el monitoreo de enfermedades de una manera no invasiva y de bajo recurso. Aunque aún es temprano para determinar si HeAR se convertirá en un producto comercial, el plan de Google de brindar acceso al modelo a investigadores interesados apunta a fomentar la innovación en este campo emergente.
Diagnósticos cada vez más automatizados
Los últimos avances en el diagnóstico de enfermedades mediante inteligencia artificial muestran desarrollos significativos en varias áreas de la medicina, incluyendo el diagnóstico por imagen, la oncología y las enfermedades infecciosas.
Especialmente mediante el uso de algoritmos de redes neuronales convolucionales, ha demostrado ser altamente eficaz en el diagnóstico de enfermedades a partir de imágenes médicas, con aplicaciones en la detección de neumonía, cáncer de pulmón y tumores cerebrales. La precisión máxima lograda por algunos de estos modelos ha alcanzado el 94.297%.
También resulta relevante el gran avance que ha tenido lugar en el campo de la detección de cáncer de mama. En ese sentido, la IA ha revolucionado tanto el diagnóstico como el tratamiento, utilizando sistemas de asistencia al diagnóstico por computadora y modelos basados en aprendizaje profundo y algoritmos de aprendizaje automático para categorizar e identificar lesiones malignas a partir de grandes bases de datos de imágenes anotadas.
En conclusión, la investigación liderada por Google no solo subraya el avance tecnológico en el diagnóstico y monitoreo de enfermedades, sino que también resalta la necesidad continua de innovación y colaboración en el cruce de la salud y la tecnología. A medida que estas herramientas se desarrollen y perfeccionen, podríamos estar al borde de una nueva era en la detección y tratamiento de enfermedades, una donde el análisis acústico juega un papel central en nuestra aproximación a la salud.
