Los investigadores del Instituto Nacional de Estándares y Tecnología (NIST) han desarrollado un algoritmo de aprendizaje profundo capaz de analizar los cambios minúsculos en la ruta de la señal de los routers wifi para ayudar a determinar si alguien en la habitación tiene dificultades para respirar. El algoritmo de aprendizaje profundo, llamado BreatheSmart, puede usarse con routers y dispositivos wifi ya disponibles en el mercado.
Para desarrollar esta tecnología, el NIST ha colaborado con la Oficina de Laboratorios de Ciencia e Ingeniería (OSEL) en el Centro de Dispositivos y Salud Radiológica de la Administración de Drogas y Alimentos de los Estados Unidos (FDA), para ofrecer una nueva forma de usar los routers wifi existentes para medir la frecuencia respiratoria de una persona en la habitación.
En wifi, la información de estado del canal (CSI) es un conjunto de señales enviadas desde el cliente (como un teléfono celular o una computadora portátil) al punto de acceso (como el enrutador). La señal CSI enviada por el dispositivo cliente es siempre la misma y el punto de acceso que recibe las señales CSI sabe cómo debe ser. Pero a medida que las señales CSI viajan a través del entorno, se distorsionan al rebotar o perder fuerza. El punto de acceso analiza la cantidad de distorsión para ajustar y optimizar el enlace.
Estos flujos CSI son pequeños, menos de un kilobyte, por lo que no interfieren con el flujo de datos a través del canal. El equipo de investigadores modificó el firmware en el enrutador para solicitar estos flujos CSI con más frecuencia, hasta 10 veces por segundo, para obtener una imagen detallada de cómo estaba cambiando la señal.
Clasificación de las respiraciones con el algoritmo BreatheSmart
En las pruebas, los investigadores instalaron un maniquí que se utiliza para entrenar a profesionales médicos en una cámara anecoica con un enrutador y receptor wifi comercial estándar. Este maniquí está diseñado para replicar varias condiciones de respiración, desde respiración normal hasta respiración anormalmente lenta (llamada bradipnea), respiración anormalmente rápida (taquipnea), asma, neumonía y enfermedades pulmonares obstructivas crónicas o EPOC.
Lo que altera la señal wifi es la forma en que el cuerpo se mueve mientras se respira. A medida que el maniquí respiraba, el movimiento de su pecho alteraba el camino recorrido por la señal de wifi. Los miembros del equipo registraron los datos proporcionados por los flujos de CSI.
Estos datos de CSI fueron analizados con un algoritmo de aprendizaje profundo, que ayudó a comprender y reconocer los patrones que indicaban los diferentes problemas respiratorios. El algoritmo, al que llamaron BreatheSmart, clasificó con éxito una variedad de patrones respiratorios simulados con el maniquí el 99,54% de las veces.
Los investigadores esperan que los desarrolladores de aplicaciones y software puedan usar el proceso presentado en el trabajo como marco para crear programas para monitorizar la respiración de forma remota.