La plataforma de inteligencia artificial Swaasa logró una precisión del 90 por ciento al distinguir a individuos sanos de pacientes con afecciones respiratorias, según los resultados de validación clínica prospectiva publicados en Frontiers in Medicine, un resultado que podría remodelar la forma en que se examinan las enfermedades pulmonares fuera de las clínicas tradicionales.

Los hallazgos, informados esta semana por Bioengineer.org, provienen de una de las evaluaciones prospectivas más grandes de detección de IA basada en la tos hasta la fecha, y llegan mientras los sistemas de salud de todo el mundo buscan formas más económicas de detectar antes las enfermedades respiratorias crónicas. Es el tipo de progreso incremental pero rigurosamente probado en los últimos desarrollos de IA que a menudo dice más sobre hacia dónde se dirige realmente la IA médica que cualquier lanzamiento de producto.

Cómo funciona Swaasa

Swaasa es una plataforma de investigación que funciona como un software como dispositivo médico, aplicando algoritmos de inteligencia artificial a grabaciones de tos capturadas en un dispositivo móvil. Desarrollada para generar indicaciones clínicas automatizadas a partir de señales acústicas, la plataforma evalúa registros de tos para determinar el riesgo general como normal o anormal, clasificar los patrones fisiológicos espirométricos como obstructivos, restrictivos o normales y estimar la gravedad del patrón como leve, moderado o grave.

Más allá de la fisiología, el sistema genera indicaciones de diagnóstico sobre la presencia de afecciones respiratorias específicas, como asma, enfermedad pulmonar obstructiva crónica (EPOC), enfermedad pulmonar intersticial y bronquiectasias. La promesa es sencilla: una tos de cinco segundos en el micrófono de un teléfono podría señalar signos de enfermedad pulmonar grave antes de que un paciente llegue al laboratorio de espirometría.

Dentro de la prueba

El ensayo clínico prospectivo se registró bajo CTRI/2021/04/032742 el 12 de abril de 2021 e inscribió a participantes adultos de 18 años o más que se presentaron en departamentos hospitalarios con síntomas respiratorios. La primera inscripción comenzó el 19 de abril de 2021 y la prueba concluyó el 14 de septiembre de 2023.

La cohorte final incluyó a 2.179 pacientes con enfermedades respiratorias junto con 827 individuos normales, y los participantes masculinos representaron el 62 por ciento de la población de estudio evaluada. Durante el protocolo, los sonidos de la tos de los participantes se registraron en un dispositivo móvil que ejecutaba la plataforma Swaasa AI y se realizó una espirometría para comparar.

El ensayo estableció la espirometría como estándar de referencia para el patrón fisiológico y la gravedad del patrón, mientras que los diagnósticos clínicos establecidos por los médicos sirvieron como estándar de referencia para las categorías de enfermedades. Las variables policotómicas se dicotomizaron en clasificaciones normales versus anormales, y se establecieron resultados de clases múltiples para la condición de la enfermedad, la gravedad del patrón y las categorías de enfermedad individuales.

Los números de rendimiento

En las clasificaciones binarias, la plataforma demostró una precisión del 90 por ciento al diferenciar a individuos normales de aquellos con condiciones respiratorias anormales, igualando la precisión del 90 por ciento registrada para identificar la espirometría normal versus anormal. Los análisis descriptivos de subgrupos mostraron que el rendimiento de las pruebas de detección fue ampliamente comparable entre los grupos de edad y sexo de los pacientes evaluados.

Los resultados multiclases fueron respetables, aunque menos sorprendentes. La precisión alcanzada por la plataforma oscila entre el 79 por ciento y el 84 por ciento para clasificar los patrones espirométricos, y entre el 76 por ciento y el 84,5 por ciento para clasificar la gravedad del patrón. Al diferenciar tipos de enfermedades específicas entre asma, EPOC, enfermedad pulmonar intersticial y bronquiectasias, la precisión osciló entre el 83 y el 93 por ciento.

¿Quién lo construyó?

Los autores del estudio están afiliados a Christian Medical College Vellore, Salcit Technologies Private Limited, el desarrollador de Swaasa, y The Tamil Nadu Dr MGR Medical University. Los autores concluyeron que Swaasa demuestra un rendimiento de detección prometedor en todos los subgrupos demográficos de la población estudiada.

La estructura de colaboración es notable: un centro médico académico que brinda rigor clínico, una universidad médica y una startup que suministra IA acústica. Esa combinación (médicos que validan el algoritmo de una startup frente a diagnósticos establecidos) es cada vez más el modelo para una investigación médica creíble de IA, en contraste con los puntos de referencia realizados por proveedores que han generado un escepticismo justificado.

Por qué es importante la acústica de la tos

La espirometría, el estándar de oro actual para la función pulmonar, requiere equipo, técnicos capacitados y un paciente cooperativo que realice maniobras de respiración forzada. La grabación de tos requiere un teléfono. Si las pruebas de detección con IA pueden clasificar de manera confiable quién necesita pruebas de confirmación, la economía de las pruebas respiratorias cambia fundamentalmente, particularmente para afecciones como la EPOC que habitualmente se diagnostican tarde.

Las advertencias son reales. Se trataba de un reclutamiento hospitalario de adultos sintomáticos, no de un cribado comunitario de la población general, y la precisión de un protocolo prospectivo controlado puede diferir del complicado despliegue en el mundo real. La plataforma sigue en investigación, y una precisión del 90 por ciento para distinguir lo normal de lo anormal no significa que pueda distinguir de manera confiable cuatro enfermedades diferentes en cada caso; los rangos de clases múltiples lo dejan claro.

La vía regulatoria es el próximo cuello de botella. Debido a que Swaasa se posiciona como un software como dispositivo médico, sus indicaciones de diagnóstico deberán aprobar los procesos de supervisión que se aplican a las herramientas de decisión clínica antes de que pueda pasar del uso de investigación a la atención de rutina. La validación prospectiva publicada en una revista revisada por pares es un requisito previo para esa conversación, no un sustituto de ella.

También existe una asimetría práctica que juega a favor de la plataforma. La espirometría requiere equipo, calibración y un técnico capacitado en la sala; un registro de tos requiere un dispositivo que la mayoría de los pacientes ya poseen y una maniobra que todos los pacientes ya conocen. En la detección, donde el objetivo es decidir quién necesita pruebas confirmatorias en lugar de entregar un diagnóstico final, una prueba ligeramente menos precisa que llegue a diez veces más personas puede salvar más vidas que una prueba precisa que se realiza en el sótano de un hospital. El hallazgo del ensayo de que el rendimiento se mantuvo estable en todos los grupos de edad y género es exactamente el tipo de consistencia que una herramienta de detección necesita para escalar.

Aún así, la trayectoria importa. Una pantalla de teléfono validada mediante espirometría en más de 3.000 participantes ya no es un truco de salón. La siguiente prueba es el despliegue: si la detección mediante IA basada en la tos puede mantener su precisión en clínicas, farmacias y hogares, y si los reguladores y los médicos adoptan una señal de diagnóstico que proviene de un sonido en el que la mayoría de la gente apenas piensa.

---

Manténgase a la vanguardia de la IA

Obtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.

Leer más noticias sobre IA →