El dispositivo portátil que han creado en la Universidad de California en Los Ángeles permite identificar los alérgenos en el aire en base a deep learning.
En la Universidad de California en Los Ángeles (UCLA) han creado un dispositivo de una utilidad cotidiana. Ahora que cada vez aparecen con más asiduidad alergias en los momentos más inesperados, un equipo de científicos ha dado con una solución portátil que puede venir bien a muchos que padecen este tipo de afecciones.
Cada minuto, una persona adulta respira entre 100 y 1.000 bioaerosoles (aerosoles formados por partículas de origen biológico). Aquí se incluyen pólenes, esporas, toxinas y microbios. Si esta persona vive en un entorno altamente contaminado, la cifra asciende a un milón de bioaerosoles. Este tipo de partículas son las que hacen desarrollar alergias, además de producir asma y otras enfermedades.
El equipo de científicos de la UCLA ha logrado crear un dispositivo portátil que combina la captación de imágenes con el deep learning. Su propósito: medir los bioaerosoles, que se originan de organismos vivos como plantas y hongos, e identificar los alérgenos en el aire.
Gran parte de la utilidad del dispositivo estriba en que puede trasladarse fácilmente, para que las personas con alergias midan la calidad del aire en distintas zonas. Lo hace porque está entrenado para reconocer cinco tipos de alérgenos en el aire. Su tasa de acierto es de un 94% , según el sistema de deep learning en que se basa.
Todo es comparar
Desde que empezó a utilizarse el concepto de inteligencia artificial de forma práctica, hay un comportamiento básico que lo funda todo. Se trata de comparar. Registrar, medir, comprobar. Son acciones que al final equivalen a tomar una muestra y compararla con unos parámetros que ya tenemos clasificados y ordenados.
Así ha sido desde entonces y así sigue siendo, pese a la mayor capacidad que implica el machine learning y, ahora, las redes neuronales de deep learning. El método que usa el dispositivo creado en UCLA no es una excepción. Su deep learning se basa en tomar partículas del aire y transformarlas en información procesable digitalmente.
A partir de estos datos, ya traducidos a bits, un algoritmo trocea la información, en realidad una imagen, y representa las partículas biológicas. Otro segundo algoritmo, basado en una red neuronal, clasifica estas partículas en función de una catalogación de distintos tipos de alérgenos, una base de datos con la que el sistema cuenta para comparar.
Al final se trata de una comparación entre información nueva y una base de datos perfectamente clasificada y ordenada. Y gran parte del éxito depende en realidad del acierto a la hora de etiquetar los elementos de nuestra base de datos.
Imágenes: Coley Christine, Brittany Colette
