Uma ferramenta baseada na inteligência artificial (IA) mostrou capacidade de detectar a insuficiência respiratória através de análise de áudios de fala.
O instrumento criado por pesquisadores brasileiros tem o objetivo de no futuro integrar sistemas de telemedicina para monitorar de forma contínua pessoas internadas. De acordo com o pesquisador Marcelo Matheus Gauy, pesquisador, via Fapesp, a ferramenta vai detectar algumas doenças através da verbalização de uma frase em um smartphone.
“Tais ferramentas permitiriam identificar a condição em pacientes com COVID-19, por exemplo, por meio da verbalização de uma frase em um celular”, explica o pesquisador.
O desenvolvimento da ferramenta foi iniciado através da coleta de dados de pessoas diagnosticadas com COVID-19 durante a primeira fase da pandemia. O grupo coletou vozes de aproximadamente 200 pacientes de dois hospitais parceiros do projeto. Além disso, foi analisado modelos modernos de IA que alcançaram mais de 95% de acurácia, mostrando a viabilidade do sistema naquele momento.
Foram analisados três tipos de áudios: uma frase que induz naturalmente a pausas, uma canção infantil com pausas predeterminadas e a vogal ‘a’ sustentada. Pausas em momentos não naturais permitiram a identificação de um padrão analisado por IA.
“Durante o auge da pandemia realizamos coletas de áudio de pacientes que sofriam de insuficiência respiratória em hospitais. Coletamos também áudios de pessoas saudáveis [controle] por meio de um aplicativo na internet. Modelos de inteligência artificial atingiram acurácia da ordem de 95% na detecção de insuficiência respiratória, enquanto modelos que utilizam apenas as diferenças nas estruturas de pausa nos áudios dos pacientes e controles atingiram ordem de 87% de acurácia”, observou Gauy.
Já em outra etapa, foram acrescentados dados de pessoas que desenvolveram insuficiência respiratória por diversas causas.
Um outro achado da sequência do estudo foi que, ao ampliar a coleta de áudios para além dos casos de COVID-19, era necessário alterar a ferramenta, pois os resultados de acurácia ficavam abaixo de 50%.
“Modelos de inteligência artificial usados para essa tarefa precisam ser cuidadosamente treinados em uma base de dados robusta o suficiente para que as diferentes fontes de insuficiência respiratória não acabem enviesando o resultado”, diz Gauy.