Es parte de la naturaleza humana que no le guste hacer fila y la pandemia de COVID solo ha empeorado las filas, especialmente en edificios grandes donde puede llevar horas controlar su temperatura antes de que se le permita ingresar. Investigadores de Columbia Engineering y la Escuela de Salud Pública Mailman han inventado un sistema que puede tomar lecturas automáticas de la temperatura de las personas que caminan, que se dedican a sus asuntos, a una distancia de hasta tres metros; nadie tiene que pararse frente a una cámara durante unos segundos para tomar una medición. Y nadie necesita estar allí para leer la medida y aprobar la entrada de la persona.
«Mediante el uso de algoritmos y modelos avanzados, hemos desarrollado una forma económica para hospitales, restaurantes, estaciones de metro, escuelas, edificios de gran altura con ascensores y más para realizar pruebas de detección de fiebre sin interrumpir el flujo normal del tráfico, lo que ayuda a restaurar algunos cantidad de ‘normalidad’ en nuestra vida cotidiana», dijo el líder del equipo Fred Jiang, profesor asociado de ingeniería eléctrica, a quien se le ocurrió la idea después de ver cómo el hospital de su esposa se vio abrumado durante la pandemia por la cantidad de personas que entraban por la entrada. «Una enfermera tuvo que escanear a cada persona que estaba muy cerca, y no garantizaba que todos los que pasaban no tuvieran fiebre, ya que las personas pueden tomar antifebriles».
Jiang es un experto en sistemas integrados inteligentes y sus aplicaciones en computación portátil y móvil, entornos construidos inteligentes, Internet de las cosas y aplicaciones de salud conectadas. Se asoció con Andrew Rundle, profesor de epidemiología, para explorar formas de mejorar la precisión de las cámaras termográficas económicas. Actualmente existen dos métodos para realizar la detección de fiebre sin contacto: termómetros infrarrojos sin contacto como una «pistola de termómetro» y sistemas de termografía infrarroja, o «cámaras térmicas». Estos enfoques requieren que las personas permanezcan cerca del dispositivo durante unos segundos, interrumpiendo el flujo de tráfico, o son muy costosos, lo que impide una adopción generalizada. La experiencia de Jiang en el uso de sensores de bajo costo combinados con procesamiento de señales y algoritmos de aprendizaje automático, y el amplio conocimiento de epidemiología de Rundle llevaron al equipo a crear SIFTER, un sistema de bajo costo basado en una cámara térmica RGB para la detección continua de fiebre de varias personas.
SIFTER tiene tres componentes: un nodo sensor, un servidor en la nube y una interfaz de usuario basada en la web. Utiliza una cantidad menor de sensores de bajo costo, puede funcionar continuamente en diferentes condiciones ambientales y puede evaluar a varias personas simultáneamente sin requerir la participación activa de los evaluadores. El sistema detecta y rastrea cabezas en los dominios RGB y térmicos, construye modelos de mapas de calor térmico para cada persona rastreada y clasifica a las personas según tengan o no fiebre. Puede tomar características clave de temperatura de cabezas in situ a una distancia de hasta tres metros y producir predicciones de detección de fiebre en tiempo real, mejorando significativamente el rendimiento de detección y minimizando la interrupción de las actividades normales.
El equipo probó SIFTER en el mundo real durante 10 meses en colaboración con ColumbiaDoctors en su clínica del centro de la ciudad de Nueva York, con el apoyo de Teresa Spada, directora de operaciones de práctica en ColumbiaDoctors Midtown. Examinó a más de 4000 personas, con un error de medición de 0,4 Fahrenheit a dos metros y alrededor de 0,6 Fahrenheit a 3,5 metros. En comparación, la mayoría de los escáneres térmicos infrarrojos en el mercado, que cuestan varios miles de dólares, tienen un error de medición de 1 Fahrenheit medido dentro de 0,5 metros. SIFTER puede lograr una tasa de verdaderos positivos del 100 % con una tasa de falsos positivos del 22,5 % sin necesidad de interacción humana, superando en gran medida la línea de base[6]que ve una tasa de falsos positivos del 78,5%.
El software integrado de SIFTER es de código abierto y el hardware cuesta menos de $500 para configurarlo y operarlo. El componente de procesamiento de datos es proporcionado de forma gratuita por el Laboratorio de Sistemas Inteligentes y Conectados de Columbia de Jiang como un servicio en la nube en entornos en contenedores, lo que permite que cualquier persona implemente esta solución económica en cualquier lugar del mundo.
Todo el sistema de principio a fin está totalmente automatizado, por lo que no es necesario que nadie tome medidas manualmente ni analice los resultados. Los investigadores construyeron SIFTER utilizando una cámara termográfica FLIR One Pro junto con un procesador integrado Jetson Nano para mantener sus costos bajos. El sistema utiliza procesamiento de señales, visión por computadora y aprendizaje profundo para identificar «características» o partes relevantes de la cara de una persona, detectar las cabezas de las personas, rastrear sus movimientos y estimar la orientación de la cabeza utilizando imágenes de cámara térmica y RGB. Luego, en función de la orientación de la cabeza y las imágenes de la cámara térmica, el sistema extrae la temperatura de los parches de piel que no están cubiertos y los mapea en un modelo de nube de puntos 3D de la cabeza de todos. El sistema toma estas lecturas de temperatura de diferentes partes de la cara y utiliza modelos de aprendizaje automático para estimar la temperatura corporal de la persona y determinar si tiene fiebre.
Para manejar la distancia entre las personas y el escáner, los investigadores primero estimaron la distancia entre la cabeza de una persona y la cámara, basándose en la proyección en perspectiva (los objetos más cercanos parecen más grandes que los objetos más alejados) y la visión estéreo (percepción de profundidad basada en la distancia entre RGB y cámaras térmicas). Luego modelaron la transmisión física del calor de la piel de una persona a la cámara en términos de qué tan lejos está una persona y la usaron para calibrar y eliminar el ruido resultante de fenómenos como la atenuación (cuanto más tiempo viaja una fuerza a través de cualquier medio, más se atenúa y más débil será la lectura que recibirá). Finalmente, para mejorar aún más la eficiencia del sistema, el equipo combinó el modelado físico con métodos de aprendizaje automático basados en datos para mejorar aún más y tener en cuenta la caída en las lecturas de temperatura a distancia.
Jiang y Rundle están trabajando actualmente para mejorar SIFTER en términos de alcance y precisión, para que el sistema pueda implementarse en más escenarios, como en grandes espacios abiertos y centros de transporte. También están ampliando su sistema para crear un «Sistema Mundial de Vigilancia de la Visión de la Gripe y las Enfermedades Emergentes», que administrarán conjuntamente. El equipo planea usar este sistema como una herramienta de vigilancia de la salud pública para detectar enfermedades infecciosas emergentes y gripe, que monitorea continuamente la cantidad de personas en público mientras experimentan fiebre. Cuando el sistema detecte que la prevalencia de personas con fiebre ha aumentado por encima de una tasa normal de fondo baja, se alertará a las autoridades de salud pública para que inicien protocolos más profundos de vigilancia y detección de enfermedades infecciosas.
«Estamos muy entusiasmados con SIFTER», agregó Rundle. «La fiebre es un síntoma de muchas enfermedades infecciosas, y este sistema proporcionará un medio continuo, casi en tiempo real y de bajo costo para detectar picos en la cantidad de personas que experimentan fiebre. Vemos a SIFTER como un complemento de otros más costosos y sistemas de vigilancia de salud pública más lentos que se basan en pruebas de laboratorio y notificación de casos. Esperamos que este sistema ayude a mejorar la detección de enfermedades infecciosas emergentes y aumentos repentinos de la gripe estacional».
¿Son las cámaras térmicas una varita mágica para la detección de fiebre por COVID-19? No hay suficiente evidencia para saber
El estudio se titula «A Low-Cost In-situ System for Continuous Multi-Person Fever Screening» y ha sido aceptado en la 21S t Conferencia ACM/IEEE sobre procesamiento de información en redes de sensores (IPSN 2022), del 4 al 6 de mayo de 2022, en Milán, Italia.
Citación: Un sistema in situ de bajo costo para la detección continua de fiebre en varias personas (22 de febrero de 2022) consultado el 22 de febrero de 2022 en https://medicalxpress.com/news/2022-02-low-cost-in-situ-multi -person-fever-screening.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.