Usando aprendizado de máquina para detectar diarreia

A cólera, uma doença bacteriana que causa diarreia, afeta milhões de pessoas e resulta em cerca de 150.000 mortes a cada ano. A identificação de uma possível propagação comunitária de doenças para tal surto alertaria os profissionais de saúde com antecedência e melhoraria a alocação de recursos e ajuda. No entanto, por razões óbvias, monitorar esta e outras doenças intestinais é um assunto delicado.

Em sua apresentação, “A tese das fezes: usando aprendizado de máquina para detectar diarréia”, Maia Gatlin, do Instituto de Tecnologia da Geórgia, descreverá como um sensor de microfone não invasivo pode identificar doenças intestinais sem coletar nenhuma informação identificável. o apresentação acontecerá em 5 de dezembro, como parte do 183º Encontro da Acoustical Society of America, que acontecerá de 5 a 9 de dezembro no Grand Hyatt Nashville Hotel.

Gatlin e sua equipe testaram a técnica em dados de áudio de fontes on-line. Cada amostra de áudio de um evento de excreção foi transformada em um espectrograma, que basicamente captura o som em uma imagem. Eventos diferentes produzem recursos diferentes no áudio e no espectrograma. Por exemplo, a micção cria um tom consistente, enquanto a defecação pode ter um tom singular. Em contraste, a diarreia é mais aleatória.

As imagens do espectrograma foram alimentadas a um algoritmo de aprendizado de máquina que aprendeu a classificar cada evento com base em seus recursos. O desempenho do algoritmo foi testado contra dados com e sem ruídos de fundo para garantir que ele estava aprendendo os recursos de som corretos, independentemente do ambiente do sensor.

“A esperança é que esse sensor, que ocupa pouco espaço e tem uma abordagem não invasiva, possa ser implantado em áreas onde surtos de cólera são um risco persistente”, disse Gatlin. “O sensor também pode ser usado em zonas de desastre (onde contaminação da água leva à disseminação de patógenos transmitidos pela água) ou mesmo em instalações de cuidados de enfermagem/hospício para monitorar automaticamente os movimentos intestinais dos pacientes. Talvez algum dia, nosso algoritmo pode ser usado com dispositivos inteligentes domésticos existentes para monitorar os próprios movimentos intestinais e a saúde.”

No futuro, Gatlin e seus colegas planejam coletar dados acústicos do mundo real para que seu modelo de aprendizado de máquina possa se adaptar ao trabalho em uma variedade de ambientes de banheiro.