Ilman Shazhaev, es cofundador y director ejecutivo de Acoustery, una empresa de tecnología de la salud que desarrolla tecnología de inteligencia artificial para el reconocimiento temprano de enfermedades respiratorias.
¿Qué le atrajo inicialmente de la informática y la ingeniería?
La cantidad de datos disponibles hoy en día es más amplia que nunca, y la tecnología de IA, que depende mucho de los datos, ha progresado enormemente en los últimos años. Es por eso que investigar en este campo es tan emocionante.
En este momento, estoy enfocado en proyectos de Big Data. Durante el COVID-19, cofundé Acustery: una solución impulsada por IA totalmente automatizada para monitorear la salud de una persona basada en el análisis de su voz, tos y respiración.
El siguiente paso fue combinar la investigación en salud y juegos ¿Por qué? La cantidad de datos que genera esta industria es única; lo que es más, los jugadores son los primeros en adoptar, listos para compartir sus datos y contribuir al progreso científico. Al mismo tiempo, la cantidad de ensayos clínicos en curso es baja, el progreso es lento y el sector de los juegos permite un procesamiento de datos mucho más dinámico.
¿Podría dar más detalles sobre la historia de génesis detrás de Acoustery? ?
Como mencioné antes, Acoustery se inició durante la pandemia. Aunque las oportunidades comerciales en 2020 eran relativamente limitadas, me hospedaba en Dubái, uno de los pocos lugares donde un proyecto podía operar sin limitaciones muy estrictas.
Mi cofundador, el Dr. Dmitry Mikhaylov, profesor de la Universidad Nacional de Singapur, y comencé un nuevo desafío: la detección temprana de COVID-19. En ese momento, los EAU estaban explorando masivamente tecnologías de diagnóstico temprano y apoyaban en gran medida proyectos de IA.
Gracias a esto, obtuvimos acceso a una de las mejores instalaciones de prueba en los EAU: el hospital militar Sheikh Zayed, donde teníamos datos de cientos de pacientes con COVID-19 para entrenar nuestro motor de IA.
En la siguiente etapa, las pruebas demostraron que nuestra tecnología era muy precisa y tenía un gran potencial. Los investigadores publicaron sus resultados en las principales revistas de Japón y EE. UU., y nuestro método de prueba se utilizó en varios países asiáticos durante pandemias como herramienta de emergencia.
Cuando terminó el COVID-19, nos enfocamos en detectar el asma utilizando el mismo enfoque. La Universidad de Sharjah, que actualmente es líder en investigación en los EAU, aprobó estas pruebas en tierra.
Para COVID-19, ¿qué tan preciso es este sistema en comparación con las pruebas de PCR, LFT y anticuerpos?
El valor predictivo positivo de Acustery en el contexto del cribado comunitario de COVID-19 es relativamente alto (81 %) en comparación con Xpert MTB/RIF, una nueva prueba que está revolucionando la detección y el control de la tuberculosis al contribuyendo al diagnóstico rápido de la enfermedad (61 %) y a los frotis faríngeos mediante PCR (71 %).
Nuestros hallazgos han demostrado que el software desarrollado por Acoustery se puede utilizar como una herramienta de detección primaria que no es de laboratorio para detectar casos de COVID-19 y dirigir a los pacientes a los laboratorios para realizar pruebas de PCR.
¿Podría contarnos más sobre el aprendizaje automático utilizado para entrenar la IA?
Supusimos que para obtener una tasa de detección precisa de COVID-19, podríamos entrenar redes convolucionales y recurrentes para diagnosticar la enfermedad analizando los espectrogramas de tos y aliento de los pacientes. Un espectrograma es una forma visual de representar la intensidad de la señal en varias frecuencias. Varios estudios médicos mostraron diferencias significativas entre la tos de los pacientes que tenían COVID y los que no, por lo que entrenamos nuestro motor de inteligencia artificial para reconocer tales diferencias.
Los desarrollos de Acoustery se pueden usar para diagnosticar Alzheimer, que comúnmente se percibe como un trastorno neurológico. ¿Cómo funciona exactamente?
Nuestro estudio explora cómo las medidas del habla pueden vincularse con los perfiles de lenguaje en participantes con enfermedad de Alzheimer (EA) y cómo estos perfiles podrían distinguir la EA de los cambios asociados con el envejecimiento normal.. Para lograr esto, nuestra IA analiza oraciones simples pronunciadas por adultos mayores con y sin EA, desde el porcentaje y la cantidad de pausas de voz hasta el brillo (cociente de perturbación de amplitud) y la relación ruido-armónicos. La precisión de este análisis alcanza el 90 %.
Más tarde, usamos el mismo enfoque en Farcana Labs: un empresa enfocada en recopilar Big Data generado por jugadores para investigar la progresión de enfermedades, especialmente con trastornos mentales.
¿Qué otras enfermedades se pueden diagnosticar con este método?
El asma es nuestra prioridad clave ahora. La tuberculosis es otro foco, así como la enfermedad pulmonar obstructiva crónica (EPOC), la fibrosis pulmonar, la neumonía y el cáncer de pulmón.
¿Qué tamaño tienen los conjuntos de datos de entrenamiento para estos casos de uso?
Tenemos miles de registros de tos en nuestra base de datos recopilados durante los últimos cuatro años.
¿Cuál es su visión para el futuro del diagnóstico médico en general?
Los datos recopilados por los dispositivos personales desempeñarán un papel importante en el diagnóstico de enfermedades en una etapa temprana y la prevención de pandemias. Incluso nuestros teléfonos móviles tienen múltiples sensores: un micrófono es solo uno de ellos. Los acelerómetros que pueden analizar las habilidades motoras y detectar numerosas enfermedades son otra.
Aunque estas tecnologías no deberían ser la única fuente de diagnóstico, pueden ayudar significativamente a predecir y prevenir la propagación de enfermedades respiratorias altamente infecciosas, y , en consecuencia, nuevas pandemias. Acustery también se puede utilizar en países en desarrollo donde el acceso a las pruebas de PCR es limitado.
Parece que tiene varios proyectos en marcha; ¿Cuáles son algunos otros casos de uso emocionantes que ve para la IA?
El espacio de la IA es único. Como investigadores de IA, nos enfocamos en nichos que generan grandes datos, lo cual es necesario para cualquier investigación de IA. Necesitamos muchos pacientes para compilar conjuntos de datos de calidad, por lo que tenemos algunas investigaciones en paralelo y estamos explorando varios negocios verticales.
Vemos los juegos como un área donde se genera una gran cantidad de datos.. Hoy en día, las personas juegan muchos videojuegos, lo cual es una valiosa fuente de datos para la investigación en salud. La recopilación de datos de dispositivos personales y dispositivos portátiles es otro vector con un potencial significativo.
En general, es emocionante explorar esta tecnología ahora, y creo que aún tiene mucho más potencial para aprovechar en otros sectores.
Gracias por la excelente entrevista, los lectores que deseen obtener más información deben visitar Acústica.