El sistema, descrito en un artículo publicado en la revista Sensors, utiliza sensores de bajo costo instalados en la casa del paciente para recopilar datos ambientales, como la humedad y la temperatura, así como datos sobre partículas en el aire. Luego, utilizando algoritmos de aprendizaje automático, el sistema analiza estos datos para detectar patrones y predecir si el paciente está en riesgo de desarrollar una enfermedad respiratoria.

La detección temprana de enfermedades respiratorias es crucial para prevenir su propagación y proporcionar tratamiento efectivo. Sin embargo, los síntomas de enfermedades como la gripe y el resfriado común pueden tardar varios días en aparecer, lo que dificulta la identificación temprana y el tratamiento efectivo. El sistema desarrollado por los investigadores de Georgia Tech podría ayudar a abordar este problema, proporcionando una alerta temprana de la aparición de síntomas respiratorios.

El sistema fue probado en un grupo de 25 voluntarios con resultados prometedores, se pudo detectar la aparición de síntomas respiratorios hasta tres días antes de que los pacientes se sintieran enfermos. Además, el sistema también podría ser útil para identificar y monitorear enfermedades respiratorias crónicas como el asma y la enfermedad pulmonar obstructiva crónica (EPOC). Al proporcionar una alerta temprana de un empeoramiento de los síntomas, los pacientes podrían recibir tratamiento antes de que se conviertan en una emergencia médica.

El sistema desarrollado por los investigadores de Georgia Tech es una de las primeras aplicaciones prácticas de la tecnología de aprendizaje automático para la detección y predicción de enfermedades respiratorias. La combinación de sensores de bajo costo y algoritmos de aprendizaje automático ofrece una solución potencialmente escalable y rentable para la detección temprana de enfermedades respiratorias.

Además, la tecnología podría tener un gran impacto en la salud pública al ayudar a prevenir la propagación de enfermedades contagiosas. Los sensores instalados en la casa del paciente podrían proporcionar información sobre la calidad del aire interior, lo que podría ayudar a identificar y controlar la propagación de enfermedades respiratorias contagiosas como la tuberculosis y la influenza.

El equipo de investigación espera que su sistema sea utilizado por los proveedores de atención médica y los pacientes en el futuro cercano. A medida que la tecnología continúa evolucionando, es interesante pensar en cómo la inteligencia artificial y los sensores pueden ayudar a prevenir y tratar enfermedades respiratorias de manera más efectiva. Además, la combinación de sensores de bajo costo y algoritmos de aprendizaje automático ofrece una solución potencialmente escalable y rentable para la detección y prevención de enfermedades respiratorias, lo que podría tener un gran impacto en la salud pública.

Esta investigación fue realizada por Marco Pisani, Milena Astrua, Andrea Merlone en el artículo Non-Contact Thermometer for Improved Air Temperature Measurements publicada en la más  reciente edición de la Revista Virtualpro