MENÚ
Desde que se declaró la pandemia se han puesto en marcha varias iniciativas que usan programas de inteligencia artificial (IA) para intentar detectar la COVID-19 por la voz. Es un objetivo difícil de llevar a cabo teniendo en cuenta dos factores que afectan de manera independiente al estudio del coronavirus y al campo de la inteligencia artificial: uno es que las pruebas solo se deberían probar en personas sintomáticas y el otro que los sistemas basados en IA a veces tienden a encontrar patrones que no esperábamos (y que pueden afectar de forma negativa a los estudios). Vamos a verlo.
Disnea y tos: los principales síntomas de COVID-19 que afectan a la voz
La disnea (dificultad respiratoria) es uno de los síntomas que puede experimentar una persona que contrae un cuadro grave de COVID-19. Según se desarrolle, puede afectar también a la voz, especialmente si se tiene una tos severa que está forzando continuamente las cuerdas vocales, tal y como explica la Asociación Española de Logopedia, Foniatría y Audiologia e Iberoamericana de Fonoaudiología (AELFA-IF).
Su presidenta, Lidia Rodríguez, explica en este artículo en The Conversation que el deterioro en la voz puede presentarse como una “ronquera”, con “pérdida de brillo”, “entrecortada”, “áspera o seca” o con una “disminución de la escala tonal”, debido a esa afectación respiratoria o al hecho de que se tosa de forma continua.
Estas iniciativas se basan en que hay diferencias en los parámetros acústicos de la voz entre personas que están infectadas y las que no. Existen estudios científicos publicados en este último año que miden las diferencias que se producen en las voces de personas sanas frente a personas contagiadas por COVID-19. Lo que detectan especialmente es que la voz varía porque se expulsa menos aire al hablar (al estar los pulmones afectados) y que los movimientos de la laringe y otros músculos respiratorios también cambian.
Los investigadores advierten que los programas informáticos funcionarían solo para pacientes sintomáticos
La complicación de todo esto está en que un programa de inteligencia artificial tenga suficientes datos para concluir de forma efectiva que una persona ha contraído el virus y que no confunda su uso. El estudio en el que se apoyan varios modelos que se están creando ahora todavía no ha pasado la revisión por pares y se centra en demostrar que se pueden medir “las variaciones en la vibración de las cuerdas vocales” usando un programa informático. Las muestras que utiliza están compuestas por personas sintomáticas que dan positivo en COVID-19 tras un test clínico y personas no contagiadas.
Los propios investigadores advierten de que medir esto solo es posible en pacientes con síntomas y que hay límites en el programa informático a la hora de distinguir si los síntomas son por este coronavirus u otra patología: “Aunque las oscilaciones en las vibraciones de la voz pueden indicar el contagio por COVID-19 (...), no se ha comprobado la exclusividad de las anomalías observadas con respecto a otras afecciones respiratorias”.
“Tenemos indicios de que los modelos de aprendizaje automático son capaces de detectar algo en los sonidos que emiten las personas con COVID-19, sin embargo, la precisión de este reconocimiento varía y no es super preciso”, afirma a Maldita Tecnología Cecilia Mascolo, que lidera una de las iniciativas de estos programas de IA y es directora del Laboratorio de Investigación de Sistemas Móviles en la Universidad de Cambridge.
El programa de inteligencia artificial que ha diseñado el equipo de Mascolo se entrena con audios que manda la gente a través de una aplicación, tanto si han pasado la COVID-19 como si no. Esos audios luego se clasifican y estos programas analizan las diferencias entre unos y otros para determinar si una persona puede estar contagiada o no en base al audio que emita. Así funcionan muchos de los modelos que se están entrenando, como este de una empresa estadounidense o este otro de una universidad de Pensilvania.
Los problemas de la IA es que puede asociar datos incorrectos a una infección de COVID-19
“Todos estos modelos tienen que tratarse con cautela ya que pueden tender a aprender cosas de los datos que no estén relacionados con la tarea principal. Por ejemplo, si en la base de datos con la que se entrenan hay muchos usuarios que hablen en inglés y que han dado positivo en COVID-19 y, a lo mejor, muchos usuarios hispanoparlantes que hayan dado negativo, el modelo probablemente predecirá que una persona es positiva si la escucha hablar en inglés”, explica Mascolo.
Por eso, insiste en que es el trabajo de los investigadores el de ajustar todos estos percances y asegurarse de que están midiendo lo que de verdad necesitan, y añade que este tipo de sistemas aún no están probados. De ahí que aseverar que un programa informático pueda detectar el virus solo por escuchar a una persona hablar es a día de hoy muy improbable.
Otros proyectos, como el que presentan en este informe (que no estudio científico validado), directamente dicen que estos programas de detección mediante IA son al final un “complemento” para las pruebas químicas, como las PCR, y no para sustituirlas.
Críticas a modelos que aseguran que detectan el virus en personas asintomáticas
Otra cosa que se proponen algunas de estas iniciativas (y que por ello han sido criticadas) es querer detectar personas asintomáticas y que no tienen problemas respiratorios. Lidia Rodríguez admite a Maldita Tecnología que “en base a la literatura, entiendo que en personas asintomáticas no podríamos valorar el daño en el epitelio de los pliegues vocales y la lesión en la musculatura perilaringea que se produce tras las crisis de tos, por lo que quizá no tiene la misma eficacia en la evaluación y diagnóstico”. Por tanto, ¿qué síntomas estaría detectando el programa informático?
Por ejemplo, a finales de 2020 el Instituto Tecnológico de Massachusetts (MIT) anunció que había desarrollado un programa basado en IA que lograba afirmar si una persona tenía COVID-19 solo escuchándola toser, incluso si era asintomática. Se basó en un estudio de 4.256 muestras de toses de personas, algunas contagiadas y otras no.
Aunque los resultados que daba el MIT en teoría eran muy altos (dice que el modelo identificaba al 100% de los asintomáticos contagiados), recibió críticas por exponer de forma tan positiva las capacidades de la inteligencia artificial en ese contexto. Por ejemplo, la directora del AI Now Institute dijo que no todas las muestras pueden presentarse como evidencia científica porque se recogieron dando por válido el que una persona se registrase en una web, tosiera y dijera si tenía COVID-19 o no (sin saber si era verdad o no ni el tipo de sintomatología que había tenido), y eso podría contaminarla. Los datos sesgados en los programas de IA es una de las principales causas por las que terminan por no funcionar o por dar resultados poco fiables.
Sobre este asunto concreto, Gemma Boleda, investigadora ICREA de lingüística computacional en la Universidad Pompeu Fabra, señala a Maldita Tecnología que al final los ejemplos que se dan a los modelos de IA para que aprendan tienen que ser muy concretos para que funcionen. Por ejemplo, “ficheros de audio con la grabación de algo dicho por la persona con una indicación para cada fichero de si es enfermo o sano” y todos los datos adicionales posibles para extraer conclusiones generales.
“Se necesitarían ejemplos de personas con y sin COVID-19, y todavía mejor (pero no muy realista) ejemplos de voz de personas antes y después de contraer COVID-19. El problema de los modelos actuales, sin embargo, es que necesitan muchos datos, por eso es difícil aplicarlos en contextos sanitarios en que o bien no hay o bien no se pueden utilizar por problemas de confidencialidad”, concluye.
