El Instituto Nacional de Estándar y Tecnología de Estados Unidos (NIST) está desarrollando un algoritmo que permite distinguir por medio de WiFi, las alteraciones de respiración de las personas.
El NIST ha desarrollado un algoritmo de aprendizaje profundo, llamado BreatheSmart, que puede analizar esos cambios minúsculos para ayudar a determinar si alguien en la habitación tiene dificultades para respirar. Y puede hacerlo con enrutadores y dispositivos Wi-Fi ya disponibles. Este trabajo fue publicado recientemente en IEEE Access.
La codificadora e investigadora asociada Susanna Mosleh avanzó una nueva forma de usar los enrutadores Wi-Fi existentes para medir la frecuencia respiratoria de una persona en la habitación. En Wi-Fi, la «información de estado del canal» o 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 debería ser. Pero a medida que las señales de CSI viajan a través del entorno, se distorsionan a medida que rebotan en las cosas o pierden fuerza. El punto de acceso analiza la cantidad de distorsión para ajustar y optimizar el enlace.
Instalaron un maniquí utilizado para entrenar a profesionales médicos en una cámara anecoica con un enrutador y receptor Wi-Fi comercial. Este maniquí está diseñado para replicar varias afecciones respiratorias, 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 Wi-Fi es la forma en que el cuerpo se mueve mientras respiramos.
A medida que el maniquí «respiraba», el movimiento de su pecho alteraba el camino recorrido por la señal Wi-Fi. Los miembros del equipo registraron los datos proporcionados por los flujos de CSI.
Mosleh trabajó en un algoritmo de aprendizaje profundo para revisar los datos de CSI, comprenderlos y reconocer patrones que indicaban 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.