COVID-19

Modelos Predictivos y
Aportación Tecnológica en nuestros Proyectos.

Como respuesta a los cambios ocasionados por la pandemia, nuestros proyectos están siendo adaptados para ayudar a las personas afectadas, al personal médico y muy especialmente a los familiares y cuidadores de personas mayores.

Adaptación necesaria

El brote de COVID-19 ha cambiado la forma en que interactuamos con las personas, las cosas y el mundo que nos rodea. Aunque estamos estudiando y desarrollando nuevos prototipos de equipos médicos portátiles y accesibles, nuestra principal misión es trabajar para que las personas más vulnerables se adapten para sobrevivir en este nuevo panorama, ofreciéndoles todos los servicios y la ayuda tecnológica que nuestra empresa pueda ofrecerles.

Proyectos Tecnológicos

Aportación "COVID" al Proyecto LEONOR

LEONOR, es un un proyecto innovador que aplica la Inteligencia Artificial para la monitorización y vigilancia de personas mayores que viven solas, personas con movilidad reducida o en riesgo de dependencia.  Son los llamados pacientes frágiles. Estos pacientes contienen una serie de características que lo definen: Son personas, comunmente ancianos aunque también adultos o niños con enfermedades congénitas que, debido a las circunstancias de su enfermedad, mantiene una salud estable pero que rápidamente puede descompensarse si algún factor externo perturba su salud, es por ello, por lo que entran dentro del grupo de riesgo ante un posible contagio del SARS-COV-2, y para los que estamos desarrollando complementos tecnológicos de prevención al proyecto original.

Escaner de Temperatura Corporal
Teniendo en cuenta a las personas mayores o personas con patologías que entran dentro del grupo de riesgo, la primera prevención para evitar un posible contagio, es verificar que quién visita el domicilio no tenga fiebre, ya que las personas infectadas por coronavirus tienen fiebre y la fiebre se puede medir fácilmente pero hay que tener también en cuenta que hay personas infectadas asintomáticas y periodos de incubación.
Nuestro sistema consiste en un escaner de la temperatura corporal de los visitantes domiciliarios tan pronto como toquen el timbre, usando un medidor de temperatura remota IR. Si la temperatura corporal es normal, sonará el timbre, de lo contrario aparecerá una alarma de aviso.

Detección de Máscara Facial
El sistema está diseñado para detectar entradas no autorizadas (sin mascarillas), que son fundamentales para protegernos y evitar la propagación del COVID-19. El sistema está diseñado para detectar los rostros y determinar si la persona usa máscara facial o no. Usando los datos anteriores, podemos decidir si la persona interesada puede entrar en el domicilio o ingresar a lugares públicos como el mercado o un hospital. Este proyecto se puede utilizar en el hospital, mercado, terminales de autobuses, restaurantes y otras reuniones públicas donde se debe realizar el monitoreo.
Este proyecto consiste en una cámara que capturará la imagen de las personas que acceden al domicilio o ingresan a lugares públicos y detectará si la persona usa máscara facial o no usando sus rasgos faciales, al mismo tiempo mediante reconocimiento facial puede alertar a familiares o cuidadores de personas desconocidas que intentan acceder al domicilio.

Reconocimiento de la Tos provocada por el COVID-19
Un estudio de Harvard Health afirma que el coronavirus tiene la capacidad de durar en el aire hasta 3 horas y que uno de sus principales focos de propagación puede ser la tos, pero la tos puede ser causada por otros motivos, no necesariamente por este virus, por lo que, este producto puede diferenciar entre el ruido de fondo y la tos para advertir con precisión al usuario cuando una persona tose y esa tos es con alta probabilidad provocada por la infección de COVID.

Pulsioxímetro para COVID-19
El virus del COVID-19 ataca principalmente el sistema respiratorio de una persona. Algunos síntomas más leves pueden incluir fiebre, dolores y escalofríos, pero también pueden provocar afecciones más graves, como neumonía. Es posible que una persona que tiene neumonía o incluso una leve falta de aire no sepa cuándo ir al hospital, especialmente cuando comienza a sentirse aún más abrumada. Por lo que mediante el Oxímetro de Pulso, se puede ayudar a las personas a obtener la ayuda que necesitan y obtener información precisa sobre su condición actual.

Escaner de Temperatura dentro del Domicilio
Otro de nuestros proyectos consiste en un escaner de temperatura corporal para ser instalado dentro del domicilio, escuelas, restaurantes, etc.. Consiste en un escáner RFID, un timbre, LED, un sensor de temperatura y un sensor de distancia, con lo que hemos creado una herramienta de detección compleja y de alta fiabilidad.
Este proyecto permite monitorear la salud  y brindar seguridad y precaución adecuadas, con la capacidad de recopilar datos sobre la temperatura avisando cuando una persona tiene fiebre. Más importante aún, permite que el usuario mismo controle su salud y se asegure de que esté tan saludable como debería. Definitivamente, tomar ciertas precauciones es el primer paso que tenemos que tomar.

Monitorización de Signos Vitales Portátil
Las tecnologías de control de la salud portátiles, incluidos los relojes inteligentes y los rastreadores de actividad física, han atraído un interés considerable de los consumidores en los últimos años. Hay muchos sensores para medir los signos vitales del cuerpo humano que son esenciales para que un médico conozca los problemas de salud. Todos sabemos que el médico primero verifica la frecuencia cardíaca para conocer la variabilidad de la frecuencia cardíaca (VFC) y la temperatura corporal. Pero las bandas y dispositivos portátiles actuales fallan en la precisión y repetibilidad de los datos medidos. Esto ocurre principalmente debido a una falta de alineación del rastreador de actividad física y lecturas erróneas, etc. La mayoría usa los sensores de foto pletismografía (PPG) basados ​​en fotodiodos y LED para medir la frecuencia cardíaca. 

Actualmente, los dispositivos portátiles modernos ya no se centran solo en medidas simples de seguimiento del estado físico, como la cantidad de pasos que se realizan en un día, sino que también controlan importantes consideraciones fisiológicas, como la variabilidad de la frecuencia cardíaca (VFC), las medidas de glucosa, las lecturas de la presión arterial y mucha información adicional relacionada con la salud. Entre los numerosos signos vitales medidos, el cálculo de la frecuencia cardíaca (FC) ha sido uno de los parámetros más valiosos. Durante muchos años, el electrocardiograma de archivo (ECG) se ha utilizado como una técnica de monitorización cardíaca dominante para identificar anomalías cardiovasculares y detectar irregularidades en los ritmos cardíacos. El ECG es un registro de la actividad eléctrica del corazón. Muestra las variaciones en la amplitud de la señal de ECG en función del tiempo. Esta actividad eléctrica registrada se origina en la despolarización de la vía conductora del corazón y los tejidos del músculo cardíaco durante cada ciclo cardíaco. Aunque las tecnologías tradicionales de monitorización cardíaca que utilizan las señales de ECG han experimentado mejoras continuas durante décadas para abordar los requisitos siempre cambiantes de sus usuarios, específicamente en términos de precisión de medición.

Estas técnicas, hasta ahora, no se han mejorado hasta el punto de ofrecer al usuario flexibilidad, portabilidad y comodidad. Por ejemplo, para que el ECG funcione con eficacia, se deben colocar varios bioelectrodos en determinadas ubicaciones del cuerpo; este procedimiento limita en gran medida la flexibilidad de movimiento y la movilidad de los usuarios. Además, PPG ha demostrado ser una técnica alternativa de monitorización de recursos humanos. Al utilizar un análisis de señal detallado, la señal PPG ofrece un excelente potencial para reemplazar los registros de ECG para la extracción de señales de HRV, especialmente en el seguimiento de individuos sanos. Por lo tanto, para superar las limitaciones del ECG, se puede utilizar una solución alternativa basada en la tecnología PPG.

Nuestro dispositivo, además, está gestionado por Inteligencia Artificial, capaz de medir la frecuencia cardíaca y la temperatura corporal y analizarlos para comprobar si hay aumentos anormales de la temperatura corporal y niveles más bajos de oxígeno de SpO2 en la hemoglobina para ayudar en la detección temprana de COVID-19. Dado que este dispositivo es un dispositivo portátil, se puede utilizar tanto dentro como fuera del domicilio y al mismo tiempo ayudar a los trabajadores de primera línea, como médicos, enfermeras, agentes de policía y trabajadores de saneamiento que realizan servicios de día y de noche para luchar contra el COVID-19.

Proyectos de Propósito General

Siguiendo nuestro lema: «Ayudar a las personas y aplicar la tecnología a la gente que lo necesita...», estamos desarrollando prototipos de atención médica con herramientas diarias que respaldan el diagnóstico del coronavirus y futuros brotes: Termómetros de visión por computadora, oxímetros inteligentes, mapas de calor y aplicaciones basados ​​en la nube, información respaldada por la ciencia de datos,  modelos computacionales avanzados y la detección rápida del SARS-COV-2, entre otros.

Detección Rápida del SARS-CoV-2

Usando la técnica LAMP, solo necesitamos mezclar el ARN de unas pocas partículas de virus con una mezcla de químicos y mantenerlo a una temperatura constante para producir grandes cantidades de ADN...

Robot desinfectante con Luces Ultravioleta

Un robot para desinfectar lugares públicos y hospitales de forma rentable utilizando luces ultravioleta.  El sistema contiene un vehículo robot en movimiento y un controlador de estación terrestre (GCS).

Modelos Predictivos

Nuestros modelos tienen dos fases: una de ajuste y otra de predicción.

En la de ajuste, se determinan qué funciones matemáticas y valores de los parámetros son compatibles con los datos que observamos de evolución diaria de la epidemia en el pasado, incorporando también el conocimiento biomédico sobre la historia natural de la enfermedad, en un enfoque bayesiano. Una vez elegido el modelo que mejor se ajusta a los datos del pasado, el que mejor lo predice, se utiliza para simular o predecir la evolución de los casos en el futuro, bajo distintos escenarios de intervención.

Número básico de Reproducción (R0)

Para concretar: Un parámetro fundamental es el número básico de reproducción (R₀), que mide el número medio de personas a las que cada infectado contagia. Los modelos parten de un valor para cuando el virus circula libremente, antes de haber tomado medidas. Ese depende de factores culturales y, por tanto, será muy distinto en Suecia, donde las personas viven aisladas y apenas se tocan, que en las grandes urbes donde el metro cataliza los contagios o en los países mediterráneos del sur, donde nos apiñamos en bares, besamos para saludar a desconocidos y convivimos varias generaciones en el mismo hogar. 

Modelos Matemáticos

El estudio de las enfermedades infecciosas a menudo se basa en modelos epidemiológicos matemáticos que intentan emular la dinámica de la enfermedad y estimar los parámetros relacionados con ella, como la tasa de reproducibilidad, la tasa de mortalidad, etcétera.

La forma básica de este tipo de simulaciones son los modelos SIR basados en el supuesto de que la población se puede clasificar en tres grupos compartimentados independientes (persona susceptible, infectada y recuperada). El número y tipo de grupos compartimentados se pueden modificar para reflejar mejor la dinámica específica de la enfermedad, como en los modelos SEIR (persona susceptible, expuesta, infectada y recuperada). Los modelos estudian de qué manera los individuos pueden progresar de un grupo compartimentado al siguiente.

Ya en la primera parte fase de esta pandemia, entre los meses de Marzo a finales de Mayo, creamos un modelo matemático basado en el SIR, a los que añadimos defunciones, nacimientos y tuvimos en cuenta que una persona que hubiese padecido la enfermedad podría volver a infectarse y a contagiar. Los datos que ofrecían nuestro modelo estaban dentro del márgen de error previsto según datos oficiales, excepto con las defunciones que nos daban datos entre un 28% y un  37% más elevadas, creyendo que era un error intentamos corregirlo, hasta que consultando datos del MoMo, los fallecimientos coincidían con nuestro modelo.

Al no poder acceder a datos reales y guiarnos solamente por los que ofrece el Ministerio de Sanidad, decidimos cambiar de táctica, aquí explicamos el funcionamiento de los dos modelos:

Fase Primera: Principio de marzo y finales de mayo:
Utilizamos un modelo similar al QMSEIR, a los que agregamos más grupos compartimentados para cubrir aquellos grupos de población que se infectan pero que son asintomáticos, los individuos con enfermedad leve que no necesitan hospitalización, aquellos que necesitan hospitalización, aquellos que necesitan cuidados críticos y también las defunciones. Este modelo permite estimar los pacientes hospitalizados y/o pacientes en cuidados críticos, permitiendo prever las necesidades de camas de hospital y UCI, que son clave en la planificación de los servicios sanitarios. Para ello anexábamos los datos oficiales obtenidos de fuentes oficiales y los gestionábamos con sistemas inteligentes. Para que este modelo funcione es necesario que los datos aportados diariamente sean reales.

En este modelo el sistema se nutre de datos diarios, mediante I.A. se analizan y se muestran los resultados.

Fase Segunda: A partir de Junio:
En esta segunda fase utilizamos los modelos estocásticos basados en los procesos de Markov (poblaciones pequeñas o con gran variabilidad en sus parámetros), centrándonos en un principio en la ciudad de Alcalá de Guadaíra. Entre junio y septiembre hemos alimentado a nuestro sistema con miles de datos, estudiando la evolución del COVID19 en diferentes provincias españolas y de otros países con clima similar, con el que hemos creado un modelo de predicción de probabilidad de contagios en sitios abiertos y sitios cerrados sin medidas de seguridad, ofreciendo este la probabilidad de contagio en diferentes horas del día. Este modelo tiene en cuenta varios factores tanto climáticos (temperatura, humedad, lluvia, viento), como de movilidad y afluencia de personas en diferentes lugares.

Como complemento hemos incorporado también un modelo que nos ofrece información sobre prevalecencia asintomática pediátrica en colegios, que nos permite conocer el porcentaje de alumnos contagiados por clase, en el siguiente enlace hay más información:

Prevalecencia Asintomática en las Aulas

YRISH Technology, ha adaptado un algoritmo desarrollado por investigadores de la Universidad de California (EEUU) que estima la cantidad de alumnos infectados con coronavirus que puede haber en las aulas de los centros educativos. Un descubrimiento que coincide con la llegada del nuevo curso escolar, que en España comenzó el día 4 de septiembre con las dudas acerca de si la reincoporación será presencial.

Modelos Predictivos

Acceso a los Modelos Predictivos de Alertas de Movilidad y Prevalecencia Asintomática en Colegios.

© Copyright 2020 YRISH Technology, S.C.A. - All Rights Reserved