hey-genius.com | 09. 09. 2024 | Editor:Eva Yu | [A A A] |
Google trabaja en una IA que 'escucha' tu tos y respiración para detectar posibles enfermedades respiratorias
El modelo HeAR de Google, busca revolucionar la detección temprana de enfermedades respiratorias, especialmente en comunidades con acceso limitado a recursos médicos.
Google ha dado un paso significativo en el ámbito de la salud al presentar HeAR (Health Acoustic Representations), un modelo bioacústico impulsado por inteligencia artificial (IA) que promete mejorar el acceso a la atención médica, ya que HeAR tiene la capacidad de detectar enfermedades respiratorias, a través de audios grabados.
Este innovador sistema de IA ha sido entrenado con más de 300 millones de clips de audio, de solo dos segundos de duración. Entre ellos, se incluyen 100 millones de grabaciones de tos, lo que ha permitido al modelo aprender a identificar patrones sonoros asociados a diversas enfermedades respiratorias, como la tuberculosis.
What if the sounds of coughs & sneezes could be used to diagnose diseases? Researchers at Google have created an AI model called Health Acoustic Representations (HeAR), designed to identify acoustic biomarkers for diseases like tuberculosis.
La tuberculosis en el punto de mira
La empresa india Salcit Technologies, a través de su aplicación Swaasa, permite a los usuarios cargar una muestra de tos de diez segundos para la detección de enfermedades respiratorias. La aplicación utiliza inteligencia artificial (IA) para analizar los sonidos de la tos y evaluar la salud pulmonar con una tasa de precisión del 94%.
Gracias a una colaboración con Google, Swaasa ha comenzado a integrar HeAR para ampliar y mejorar la detección temprana de la tuberculosis en zonas desatendidas. Este enfoque se basa en el análisis de los sonidos de la tos, una herramienta crucial en la India, donde la tuberculosis cobra alrededor de 250 mil vidas al a?o.
La llegada de la IA a la medicina ha abierto nuevas oportunidades para el diagnóstico de enfermedades. Sin embargo, aún hay desafíos, como la aceptación de estos modelos en la práctica clínica, la necesidad de contar con grabaciones limpias y la dificultad para llevar la tecnología a zonas rurales donde se requieren con urgencia.
Fuente: RPP