Un grupo de Investigadores de la Universidad de Washington han desarrollado una Inteligencia Artificial capaz de prestar auxilio al detectar señales auditivas de un paro cardíaco.
Esta condición se presenta algunas veces cuando no contamos con alguien cerca que pueda auxiliarnos, sin embargo, el cuerpo emite algunas señales que pueden ser escuchadas por los altavoces inteligentes.
Una IA que interpreta las señales
De acuerdo con la fuente, las personas que experimentan un paro cardíaco repentinamente dejan de respirar o realizan una condición conocida como respiración agonal, es decir, jadean por aire.
En este sentido, los investigadores han creado una empresa llamada Spinout (Sound Life Sciences) que pretende comercializar esta IA, que estará capacitada para interpretar esas condiciones y emitir una respuesta satisfactoria en pro de la salud del usuario.
Un conjunto de datos
Esta prueba de concepto fue desarrollada utilizando instancias de respiración agonales reales, procedentes de diferentes llamadas al 911 realizadas entre el 2009 y 2017, las cuales fueron capturadas a través de dispositivos como Amazon Alexa, iPhone 5s, Samsung Galaxy S4, entre otros.
De 162 llamadas que se extrajeron 2.5 segundos de audio al inicio de cada respiración agonal se obtuvieron 236 clips, que a través del aprendizaje automático se lograron aumentar a 7,316 clips positivos.
Mientras que, para el conjunto de datos negativo el equipo utilizó 83 horas de datos de audio que fueron recopilados durante los estudios de sueño recaudando un total de 7,305 muestras de sonido, dentro de los cuales se obtuvieron sonidos típicos que las personas hacen mientras duermen, como los ronquidos o la apnea obstructiva del sueño.
RCP o llamada al 911
Como primera medida, el altavoz indicará como realizar una Reanimación Cardiopulmonar (RCP), eso si contamos con la presencia de alguna persona en la habitación, mientras que si no ocurre una respuesta, el asistente realizará una llamada al 911 para informar sobre la condición del usuario.
La IA solo identificó incorrectamente la respiración 0.22 por ciento del tiempo o menos cuando detectó un solo evento, pero tuvo una detección perfecta cuando escuchó eventos con al menos 10 segundos de diferencia.
Esta herramienta ofreció resultados positivos de hasta un 97% en la detección de la respiración agonal en una distancia de hasta 6 metros.