.
Uma equipe de pesquisadores de engenharia e saúde desenvolveu uma ferramenta que melhora a capacidade dos dispositivos eletrônicos de detectar quando um paciente humano está tossindo, que tem aplicações no monitoramento da saúde. A nova ferramenta conta com um algoritmo avançado de inteligência artificial (IA) que ajuda a IA a identificar melhor a incerteza quando confrontada com dados inesperados em situações do mundo real.
“Quando a IA está sendo treinada para identificar o som da tosse, isso geralmente é feito com dados ‘limpos’ – não há muito ruído de fundo ou sons confusos”, diz Edgar Lobaton, autor correspondente de um artigo sobre o trabalho e professor associado de engenharia elétrica e de computação na North Carolina State University. “Mas o mundo real está cheio de ruído de fundo e sons confusos. Portanto, as tecnologias anteriores de detecção de tosse geralmente lutavam com ‘falsos positivos’ – eles diziam que alguém estava tossindo mesmo que ninguém estivesse tossindo.
“Desenvolvemos um algoritmo que nos ajuda a resolver esse problema, permitindo que uma IA expresse incerteza. Em vez de decidir ‘Sim, foi uma tosse’ ou ‘Não, não foi uma tosse’, a IA também pode relata que detectou um som com o qual não está familiarizado. Em outras palavras, a IA recebe uma terceira opção: ‘Não sei o que era.’”
A tecnologia de detecção de tosse é de interesse para várias aplicações potenciais de monitoramento de saúde.
“Por exemplo, há interesse em usar dispositivos vestíveis de monitoramento de saúde que detectariam tosse em pessoas com asma, o que poderia desencadear uma notificação sobre o aumento do risco de um ataque de asma”, diz Lobaton. “Também há interesse em usar a detecção de tosse para monitoramento de COVID e assim por diante.”
No entanto, as tecnologias anteriores de detecção de tosse apresentavam altas taxas de falsos positivos, com a IA relevante relatando muitos sons desconhecidos como tosse. Esses falsos positivos limitaram significativamente sua utilidade.
“No curto prazo, nosso trabalho limita o relato de falsos positivos, permitindo que a IA observe quando ouve sons que não consegue identificar”, diz Lobaton. “No longo prazo, nosso algoritmo deve nos permitir treinar continuamente a IA, informando se os sons desconhecidos que está ouvindo são tosses ou ruídos não relacionados. Isso deve permitir uma detecção muito mais precisa ao longo do tempo”.
Além disso, os pesquisadores testaram o novo algoritmo em modelos computacionais e descobriram que a IA de detecção de tosse modificada pode operar de forma eficaz usando muito menos amostras de som por segundo do que as tecnologias anteriores. Por exemplo, as ferramentas anteriores de detecção de tosse usavam aproximadamente 16.000 amostras de som por segundo, enquanto a nova ferramenta de IA usa 750 amostras de som por segundo, com sensibilidade semelhante e menos falsos positivos.
“Usar menos amostras de som é uma vantagem significativa por dois motivos”, diz Lobaton. “Primeiro, isso significa que o dispositivo eletrônico requer menos poder de computação – o que nos permite torná-lo menor e mais eficiente em termos de energia. Segundo, usar menos amostras de som significa que a tecnologia não gravará fala compreensível, o que atende a questões de privacidade.”
Os pesquisadores estão atualmente no processo de incorporar o novo algoritmo em um dispositivo de monitoramento de saúde vestível que pode ser usado em testes do mundo real.
Além do mais, os pesquisadores dizem que a abordagem que eles adotaram aqui pode ser usada para abordar uma variedade de aplicações de IA nas quais a IA provavelmente encontrará informações inesperadas que não foram treinadas para entender.
“Estamos procurando parceiros de pesquisa que possam nos ajudar a explorar outros desafios de monitoramento de saúde que essa modificação da IA pode ajudar a resolver de maneira significativa”, diz Lobaton.
O trabalho foi realizado com o apoio da National Science Foundation (NSF) sob o número de concessão 1915599 e do Centro de Sistemas Avançados de Sensores e Tecnologias Integrados (ASSIST) financiado pela NSF da NC State sob a concessão 1160483. A missão do Centro ASSIST é criar wearables autoalimentados capazes de detecção multimodal de longo prazo sem a necessidade de substituir ou carregar baterias.
.
