Uno de los obstáculos para estimar con precisión la prevalencia de enfermedades en la población general es que la mayoría de nuestros datos provienen de hospitales, no del 99.9 por ciento del mundo que no es hospitales FluSense es un sistema autónomo que respeta la privacidad y cuenta a las personas y la tos en los espacios públicos para mantener informadas a las autoridades de salud.
Cada año tiene una temporada de gripe y resfriado, por supuesto, aunque este año es, por supuesto, mucho más grave. Pero es como una temporada de gripe común, ya que la forma principal en que alguien calcula cuántas personas están enfermas es mediante el análisis de estadísticas de hospitales y clínicas. Los pacientes que informan “enfermedad similar a la gripe” o ciertos síntomas se agregan y se rastrean centralmente. Pero, ¿qué pasa con las muchas personas que simplemente se quedan en casa o van a trabajar enfermas?
No sabemos lo que no sabemos aquí, y eso hace que las estimaciones de las tendencias de enfermedad, que informan cosas como la producción de vacunas y el personal del hospital, sean menos confiables de lo que podrían ser. No solo eso, sino que también produce sesgos: ¿quién tiene menos probabilidades de ir a un hospital y más probabilidades de tener que trabajar enfermo? Personas con bajos ingresos y sin atención médica.
Investigadores de la Universidad de Massachusetts Amherst están tratando de aliviar este problema de datos con un sistema automatizado que llaman FluSense, que monitorea los espacios públicos, cuenta a las personas que hay en ellos y escucha la tos. Algunos de estos ubicados estratégicamente en una ciudad podrían proporcionar una gran cantidad de datos valiosos y una visión de las enfermedades similares a la gripe en la población general.
Tauhidur Rahman y Forsad Al Hossain describen el sistema en un artículo reciente publicado en una revista de ACM. FluSense consiste básicamente en una cámara térmica, un micrófono y un sistema de computación compacto cargado con un modelo de aprendizaje automático capacitado para detectar personas y los sonidos de la tos.
Para ser claros desde el principio, esto no es grabar o reconocer caras individuales; Al igual que una cámara que realiza la detección de rostros para establecer el enfoque, este sistema solo ve que existe un rostro y un cuerpo y lo utiliza para crear un recuento de personas a la vista. La cantidad de tos detectada se compara con la cantidad de personas, y algunas otras métricas como estornudos y cantidad de discurso, para producir una especie de índice de enfermedad, piense en esto como tos por persona por minuto.
Una configuración de muestra, arriba, el hardware prototipo FluSense, el centro y la salida de muestra de la cámara térmica con los individuos contados y resumidos.
Claro, es una medida relativamente simple, pero no hay nada como esto, incluso en lugares como salas de espera de clínicas donde se congregan personas enfermas; El personal de admisiones no mantiene una cuenta corriente de tos para los informes diarios. Uno puede imaginar no solo la caracterización de los tipos de tos, sino también marcadores visuales como cuán cerca están las personas e información de ubicación como indicadores de enfermedad en una parte de una ciudad versus otra.
“Creemos que FluSense tiene el potencial de expandir el arsenal de herramientas de vigilancia de la salud utilizadas para pronosticar la gripe estacional y otros brotes respiratorios virales, como la pandemia COVID-19 o el SARS”, dijo Rahman a TechCrunch. “Al comprender el flujo y reflujo de la dinámica de los síntomas en diferentes lugares, podemos tener una mejor comprensión de la gravedad de una nueva enfermedad infecciosa y de esa manera podemos hacer cumplir una intervención específica de salud pública como el distanciamiento social o la vacunación”.
Obviamente, la privacidad es una consideración importante con algo como esto, y Rahman explicó que fue en parte por lo que decidieron construir su propio hardware, ya que, como algunos ya se habrán dado cuenta, este es un sistema que es posible (aunque no trivial) integrarse en la cámara existente. sistemas.
“Los investigadores obtuvieron opiniones del personal de atención clínica y del comité de revisión ética de la universidad para garantizar que la plataforma del sensor fuera aceptable y estuviera bien alineada con las consideraciones de protección del paciente”, dijo. “Todas las personas discutieron dudas importantes sobre la recopilación de imágenes visuales de alta resolución en áreas de pacientes”.
Del mismo modo, el clasificador de voz se creó específicamente para no retener ningún dato de voz más allá de lo que alguien habló: no puede filtrar datos confidenciales si nunca recopila ninguno.
El plan por ahora es implementar FluSense “en varios espacios públicos grandes”, se supone en el campus de UMass para diversificar sus datos. “También estamos buscando fondos para ejecutar una prueba a gran escala en varias ciudades”, dijo Rahman.
Con el tiempo, esto podría integrarse con otras métricas de primera y segunda mano utilizadas para pronosticar casos de gripe. Puede que no sea a tiempo para ayudar mucho a controlar COVID-19, pero podría ayudar a las autoridades sanitarias a planificar mejor la próxima temporada de gripe, algo que podría salvar vidas.
Source link