El ejército de EE. UU. prueba la combinación de tecnología portátil + IA como sistema de alerta temprana para casos de COVID-19
El teniente coronel de la Fuerza Aérea Jeff Schneider, gerente de programa de la División de Innovación de Defensa, usa un reloj y un anillo para monitorear el COVID-19 como parte del programa de Análisis Rápido de Exposición a Amenazas.
Imagen: Philips Research Norteamérica
El Departamento de Defensa está probando la idea de que los rastreadores de salud portátiles y la inteligencia artificial podrían detectar el COVID-19 en las primeras etapas de la infección. La idea es detectar la enfermedad antes de que tenga la oportunidad de propagarse entre los soldados que viven y trabajan juntos.
Los investigadores han comenzado a reclutar personas para el ensayo clínico Threat Exposure Rapid Analysis (RATE), con el objetivo de inscribir a 5000 personas. Los participantes usaron relojes Garmin y anillos Oura para monitorear continuamente sus signos vitales. La inteligencia artificial que impulsa el algoritmo RATE analiza los datos y busca pequeños cambios en la frecuencia cardíaca y la temperatura corporal, que pueden ser señales de advertencia tempranas de enfermedades.
Philips y varios socios desarrollaron el algoritmo. Joseph Frassica, MD, jefe de investigación para las Américas, director médico para América del Norte y vicepresidente de Philips, espera que el programa se amplíe a la Administración de Veteranos en algún momento y también tenga aplicaciones civiles.
“Esta podría ser una forma de que las organizaciones apoyen el regreso al trabajo a su debido tiempo”, dijo.
Mirar: Política de lugar de trabajo COVID-19 (República Tecnológica Premium)
El objetivo original del proyecto era construir un sistema que pudiera detectar cualquier enfermedad infecciosa en una etapa temprana, cuando una persona es contagiosa pero no se siente enferma.
«Generamos puntajes de riesgo basados en 165 biomarcadores diferentes extraídos del conjunto de datos para crear predictores de infección de alto rendimiento», dijo Frassica.
En enero, el equipo de investigación decidió cambiar su enfoque a COVID-19 e implementar algoritmos y dos rastreadores de salud portátiles para rastrear infecciones en el personal militar.
Datos de entrenamiento y biomarcadores derivados
El algoritmo RATE analiza 165 biomarcadores para generar una puntuación de riesgo para un individuo.
El algoritmo utiliza medidas básicas de los pacientes, como la temperatura y la frecuencia cardíaca, y biomarcadores derivados, como la variabilidad de la frecuencia cardíaca.
Frassica dijo que el uso de esta combinación de medidas hace que el algoritmo prediga mejor la enfermedad que mirar las medidas individuales.
«Un conjunto de biomarcadores no es muy sensible a los datos que faltan», dijo. «Por ejemplo, con un paciente, es posible que tenga la frecuencia cardíaca y el recuento de glóbulos blancos, pero con otro paciente, no tiene todos esos parámetros».
Cada hora se genera una puntuación de riesgo para los participantes.
“Los cambios que desencadenan cambios en los puntajes de las tasas de interés suelen ser cambios sutiles, no cambios de umbral, sino cambios de tendencia”, dijo.
Cuando los signos vitales de una persona se monitorean continuamente, como durante una visita al hospital o mientras usa un rastreador de salud, los médicos pueden establecer un estado normal o de referencia para los biomarcadores del individuo. Esto facilita la detección de cambios en estas medidas, que pueden indicar la aparición de una enfermedad.
Todos los participantes de la cohorte que aceptaron participar en el programa RATE del DoD incluyeron representantes de varios grupos de civiles del DoD y de todos los niveles de las fuerzas armadas.
«Después de que COVID-19 haya quedado atrás, todavía tenemos un buen predictor y también podremos enfrentar el próximo desafío», dijo.
Proteger la privacidad del usuario
Frassica dijo que Philips adoptó un enfoque de privacidad primero para construir la experiencia del usuario para los programas de vigilancia.
«Los algoritmos y los sistemas portátiles no recopilan datos de identificación personal», dijo. «Los usuarios se registran y se conectan a nuestro servicio en la nube a través de un dispositivo».
El dispositivo del usuario envía datos biométricos a la nube y la persona inicia sesión en la cuenta de la nube para comprobar su puntuación de riesgo. Las personas son responsables de tomar medidas si los puntajes indican enfermedad.
«Es completamente privado, incluso dentro de las fuerzas armadas, por lo que depende del usuario informar el puntaje», dijo. «Sería fácil introducir este informe en un conjunto de datos central, pero creemos que la privacidad es la mejor manera de abordar esto».
Los investigadores de Philips utilizaron información de biomarcadores del conjunto de datos de Physionet.org para entrenar el algoritmo RATE. Estos datos disponibles públicamente provienen de numerosos hospitales de todo el país, e investigadores de todo el mundo utilizan estos conjuntos de datos para crear modelos predictivos. Los datos incluían todo, desde radiografías de tórax hasta biomarcadores recopilados durante las visitas a la UCI de los registros médicos electrónicos.
Frassica dijo que el conjunto de datos combinado es más valioso que una sola base de datos de información de pacientes de un hospital, y más datos superan el sesgo en los datos de un hospital.
«Acumular estos conjuntos de datos no es lo correcto, y debemos trabajar para que estos conjuntos de datos estén disponibles, seguros y anonimizados para que podamos usarlos como base para la inteligencia artificial», dijo.
conjunto de datos de código abierto
Philips construyó el algoritmo RATE utilizando datos de múltiples fuentes, incluida la base de datos clínica MIMIC-III. Esta gran base de datos gratuita incluye datos relacionados con la salud no identificados asociados con 41,000 pacientes en la unidad de cuidados intensivos del Hospital Beth Israel Deaconess.
Este conjunto de datos está disponible en Google Cloud Platform y Amazon Web Services. La plataforma PhysioNet está gestionada por miembros del Laboratorio de Fisiología Computacional del MIT. El sitio PhysioNet consta de tres componentes: un archivo de grabaciones digitales de señales fisiológicas y datos relacionados, software de procesamiento y análisis de señales, tutoriales y otros recursos educativos. El sitio se estableció como un foro de código abierto para distribuir e intercambiar esta información, analizarla y evaluar nuevos algoritmos.
La base de datos incluye datos demográficos, mediciones de signos vitales tomadas junto a la cama (aproximadamente 1 punto de datos por hora), resultados de pruebas de laboratorio, procedimientos, medicamentos, notas del cuidador, informes de imágenes y tasas de mortalidad.
Philips está trabajando con la Agencia de Reducción de Amenazas de Defensa (DTRA) y la Unidad de Innovación de Defensa (DIU) del Departamento de Defensa de EE. UU. (DoD) en el proyecto. La misión de la DIU es aumentar la adopción de tecnología comercial y expandir la base de innovación de seguridad nacional en todo el ejército.
