Tecnología de detección inalámbrica permite diagnóstico sin contacto de enfermedades pulmonares comunes

El diagnóstico de enfermedades pulmonares suele requerir contacto físico, exploraciones por imagen o equipos especializados, lo que puede limitar el acceso en entornos de bajos recursos y aumentar el riesgo de infección durante los brotes. Cambios sutiles en los patrones respiratorios pueden indicar afecciones como asma, neumonía o tuberculosis, pero son difíciles de detectar de forma fiable sin un examen directo. Ahora, investigadores han demostrado un enfoque diagnóstico sin contacto que puede identificar con precisión múltiples enfermedades pulmonares mediante el análisis de los patrones respiratorios utilizando señales inalámbricas e inteligencia artificial (IA).

El sistema, desarrollado por un equipo internacional de ingenieros e informáticos de la Information Technology University (Lahore, Pakistán) y la Universidad de Glasgow (Escocia, Reino Unido), utiliza señales de radio de microondas inocuas transmitidas a 5,23 GHz, una frecuencia compatible con las futuras redes 6G y Wi-Fi 7, para detectar los movimientos del pecho relacionados con la respiración. Las señales reflejadas se analizan mediante modelos avanzados de IA para extraer señales respiratorias específicas de la enfermedad sin tocar al paciente.

Los pacientes se exponen a ondas de radio emitidas por radios definidas por software, y el sistema captura cómo estas señales se alteran con el movimiento respiratorio. Múltiples modelos de aprendizaje automático y aprendizaje profundo interpretan estas reflexiones para distinguir entre patrones respiratorios normales y anormales. El enfoque aprovecha la detección y comunicación integradas, lo que permite que la misma infraestructura inalámbrica transmita datos mientras realiza la monitorización de la salud.

Los investigadores evaluaron el sistema utilizando datos de reflexión de microondas de 190 pacientes con enfermedades respiratorias diagnosticadas y 30 individuos sanos como controles. Los datos se recopilaron durante dos períodos, incluyendo una temporada de alta contaminación, lo que resultó en casi siete horas y media de datos de radio en condiciones reales. En pruebas de laboratorio, el sistema detectó asma, enfermedad pulmonar obstructiva crónica, enfermedad pulmonar intersticial, neumonía y tuberculosis con una precisión del 98 %, siendo un modelo CNN estándar de aprendizaje profundo el que mostró el mejor rendimiento.

Este enfoque de detección inalámbrica, presentado en Communications Medicine, podría permitir la monitorización respiratoria continua y sin contacto en hospitales, hogares y entornos de vida inteligente. Dado que utiliza solo una fracción del ancho de banda inalámbrico disponible, podría integrarse en futuras redes 6G sin interrumpir la transmisión de datos. Esta tecnología podría ser especialmente valiosa en entornos de bajos recursos y durante brotes de enfermedades infecciosas, donde la reducción del contacto físico puede limitar la propagación de la enfermedad. Los trabajos futuros se centrarán en una validación clínica más amplia y su implementación en entornos reales.

Enlaces relacionados:
Universidad de Glasgow