Los algoritmos de aprendizaje automático no pueden predecir con precisión si alguien tiene COVID-19 al analizar el sonido de su tos, según un estudio dirigido por el Instituto Alan Turing del Reino Unido.
Las afirmaciones de que la IA podría detectar la diferencia en los sonidos de tos entre aquellos con y sin COVID-19 con una precisión de hasta el 98.5 por ciento se informaron por primera vez en un de investigadores dirigidos por el Instituto Tecnológico de Massachusetts. El resultado condujo a los esfuerzos para crear una aplicación impulsada por los algoritmos para brindar a las personas un método económico y fácil para detectar el nuevo coronavirus.
El Departamento de Salud y Atención Social del Reino Unido incluso llegó a otorgar dos contratos, por un valor colectivo de más de £ 100,000, a Fujitsu para desarrollar la llamada iniciativa del gobierno "Cough In A Box" en 2021, Politico reportaron. El software recopilaría grabaciones de audio de tos de los usuarios para analizarlas en su aplicación COVID-19.
Pero las pruebas realizadas por un equipo de investigadores dirigido por el Instituto Alan Turing y la Royal Statistical Society encontraron que la tecnología no funciona después de todo. Recolectaron y examinaron un conjunto de datos de grabaciones de audio de más de 67,000 personas reclutadas de los programas Test and Trace y REACT-1 del Servicio Nacional de Salud, que le pidieron a una parte aleatoria de la población que realizara y enviara hisopos de nariz y garganta para detectar COVID-19. XNUMX
Se pidió a los participantes que registraran muestras de ellos tosiendo, respirando y hablando, así como los resultados de sus pruebas de hisopado. Más de 23,000 de ellos habían dado positivo por la enfermedad respiratoria. El equipo entrenó un modelo de aprendizaje automático con estos sonidos, comparándolos con los resultados de las pruebas de COVID-19 de las personas para ver si la tos podría actuar como un biomarcador preciso.
“Pero a medida que continuamos analizando los resultados, parecía que la precisión probablemente se debía a un efecto en las estadísticas llamado confusión, donde los modelos aprenden otras variables que se correlacionan con la señal verdadera, en lugar de la señal verdadera en sí misma”. explicado Kieran Baker, asistente de investigación en el Instituto Alan Turing.
La confusión se debió al sesgo de reclutamiento en el Prueba y rastreo sistema, que requería que los participantes tuvieran al menos un síntoma para poder participar. Los investigadores realizaron más pruebas agrupando a participantes de las mismas edades y géneros en parejas, y solo uno de ellos tenía COVID-19.
“Cuando evaluamos estos modelos en los datos combinados, los modelos no funcionaron bien, por lo que concluimos que nuestros modelos no pueden detectar un marcador bioacústico de COVID-19 a partir de estos datos”, dijo Baker.
Chris Holmes, autor principal del artículo publicado el mes pasado, profesor de bioestadística en la Universidad de Oxford y director del programa de ciencias médicas y de la salud en el Instituto Alan Turing, dijo: "Encontrar nuevas formas de diagnosticar rápida y fácilmente virus como COVID- 19 es realmente importante para detener su propagación. Si bien es decepcionante que esta tecnología no funcione para COVID-19, aún puede funcionar para otros virus respiratorios en el futuro”, dijo la autoridad del Reino Unido. reportaron. ®
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://go.theregister.com/feed/www.theregister.com/2023/01/05/ai_covid_cough/
