¡Nueva publicación sobre el uso de inteligencia artificial para la detección de COVID-19 a partir del análisis acústico de la tos en Lima y Montreal!
Los investigadores Patricia Espinoza-Lopez y César Ugarte-Gil del Instituto de Medicina Tropical Alexander von Humboldt, publicaron el artículo «Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada» en la revista Annals of Epidemiology en 2026.
Los investigadores Patricia Espinoza-Lopez y César Ugarte-Gil del Instituto de Medicina Tropical Alexander von Humboldt (IMT AvH), publicaron el artículo «Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada» en la revista Annals of Epidemiology en 2026.
El estudio evaluó si los algoritmos de inteligencia artificial y aprendizaje automático basados en el sonido de la tos pueden detectar COVID-19 de manera confiable en distintas poblaciones. Para ello, se recolectaron de forma prospectiva grabaciones de tos y datos clínicos de 605 adultos atendidos en Lima, Perú, y Montreal, Canadá, cuyo diagnóstico de COVID-19 y otras enfermedades respiratorias fue confirmado mediante pruebas moleculares.
Los resultados mostraron diferencias significativas en las características acústicas de la tos entre ambas poblaciones. Los modelos entrenados y evaluados dentro de un mismo sitio tuvieron un desempeño moderado, con mejores resultados de audio en Lima (AUC de 0.71) frente a Montreal (AUC de 0.53), mientras que en Montreal las variables clínicas resultaron más útiles que el audio. Sin embargo, cuando los modelos entrenados en un país se aplicaron al otro (validación externa), el desempeño cayó drásticamente, cercano al azar.
Los investigadores concluyen que la acústica de la tos es específica de cada población y que los factores epidemiológicos y tecnológicos locales influyen fuertemente en el rendimiento de estos algoritmos. Por ello, recomiendan priorizar el desarrollo de herramientas diagnósticas adaptadas a cada contexto local en lugar de modelos globales únicos, un enfoque que podría mejorar la fiabilidad de futuras herramientas de tamizaje para COVID-19 y otras enfermedades respiratorias.
¡En el IMT AvH estamos muy orgullosos de la publicación de nuestros investigadores!
Autores del estudio: Alexandra J. Zimmer, Vijay Ravi, Patricia Espinoza-Lopez, George P. Kafentzis, Mirco Ravanelli, Samira Abbasgholizadeh Rahimi, Madhukar Pai, César Ugarte-Gil y Simon Grandjean Lapierre.
