I vaccini scarseggiamo, e hanno comunque durata limitata; nuove cure sono state trovate (come gli anticorpi monoclonali), ma risultano ancora poco diffuse ed eccezionalmente care; anche gli stessi tamponi diagnostici - sebbene oggi ne vengano realizzati più di 300mila al giorno - si differenziano in diverse tipologie, non sempre tutte ugualmente affidabili.
In questo panorama si inserisce il progetto appena concluso, che siamo felici di annunciare.
Diagnosticare il Covid19 con un vocale
Insieme ai nostri partner Capsula Health Pod e al laboratorio TeDH (Technology and Design for Healthcare) del Politecnico di Milano, abbiamo sviluppato un nuovo sistema per supportare i processi di diagnosi di infezioni da Covid19.
Come ci riesce? La piattaforma è in grado di analizzare dati come la frequenza della respirazione, lo stress durante un dialogo – il cosiddetto “fiato corto” – e i colpi di tosse dei pazienti, contribuendo in modo determinante alla diagnosi di infezioni da Covid19.
I suoni fisiologici generati dalla respirazione, dal battito del cuore, dalla digestione, da migliaia di anni sono usati per valutare il nostro stato di salute e diagnosticare malattie. Fino a oggi questi segnali venivano registrati attraverso l’auscultazione manuale, spesso durante visite mediche programmate, ma negli ultimi anni la tecnologia ha reso possibile raccogliere ed elaborare questi suoni corporei attraverso l’impiego di dispositivi personali (smartphone, tablet e computer) rendendo possibile la loro elaborazione automatica.
Analizzando un flusso audio contenente una breve conversazione, oppure alcuni colpi di tosse, il sistema è in grado, infatti, di individuare le persone che presentano i suoni caratteristici dell’infezione da Covid19.
L’infrastruttura impiega l’intelligenza artificiale incorporata nella piattaforma Neosperience Health Cloud – con cui era già stato creato e diffuso nel mondo il primo sistema di rilevazione delle polmoniti bilaterali a partire dall’analisi delle radiografie toraciche.
Risultati
Per ottenere questi risultati abbiamo implementato sistemi di rilevazione frutto di anni di ricerca nel campo delle malattie respiratorie e abbiamo addestrato i nostri modelli proprietari su dataset capaci di fornire un’accuratezza ROC AUC superiore all’80%, oltre ad applicare tecniche di specializzazione come il transfer learning con cui riusciamo a migliorare ulteriormente la precisione.
Questo è solo l’inizio di un progetto che ha un potenziale incredibile: le elaborazioni di questi dati possono essere impiegate efficacemente come segnali di pre-screening. Questo modello di registrazione e analisi può diventare un valido supporto per la diagnosi e il rilevamento di un’ampia gamma di patologie.
