Vida Sana
Por extraño que parezca, los investigadores creen que el ruido que haces en el baño podría servir, en un futuro no muy lejano, para alertar a las autoridades de salud pública sobre los brotes de cólera y otras enfermedades. Se trata de un concepto que va mucho más allá de las actividades actuales de rastreo de la COVID-19 mediante la toma de muestras de aguas residuales.
En septiembre del 2020, los Centros para el Control y la Prevención de Enfermedades (CDC) establecieron el Sistema Nacional de Vigilancia de Aguas Residuales (NWSS, enlace en inglés) con el fin de rastrear la presencia del virus. Básicamente, el agua descargada de los inodoros, al llegar a las plantas de tratamiento locales, es sometida a pruebas para detectar la presencia del coronavirus.
¡ÚLTIMA OPORTUNIDAD! - Únete a AARP a precios del 2024; las tarifas aumentan en el 2025.
Obtén acceso inmediato a productos exclusivos para socios y cientos de descuentos, una segunda membresía gratis y una suscripción a AARP The Magazine.
Únete a AARP
El sonido de las enfermedades gastrointestinales
Los investigadores esperan poder mantenerse al tanto —por medio de un análisis de heces tomadas directamente del inodoro de tu casa— de nuevos brotes de otras enfermedades, entre ellas el cólera.
Afirman que se puede usar un sensor con micrófono para monitorear de forma no invasiva los inodoros y, así, detectar las enfermedades intestinales sin tener que recabar datos con los que se pudiera identificar al usuario del inodoro. Maia Gatlin, ingeniera de investigación del Instituto de Investigación de Georgia Tech, explicó el concepto en la conferencia del 2022 de la Acoustical Society of America.
Los sonidos que se emiten al orinar o defecar son similares entre una persona y otra. El tono de la micción suele ser constante, mientras que el de la defecación suele ser momentáneo. La diarrea, en cambio, se caracteriza por sonidos más variables. Los investigadores crearon una base de datos a partir de grabaciones de estas funciones corporales, y se introdujeron estos datos a un algoritmo de aprendizaje automático que aprendió a clasificar cada evento de acuerdo con sus características.
Según los investigadores, el algoritmo puede clasificar cada evento como diarreico o no diarreico con una precisión del 98.1%. (Los resultados de la investigación aún no se han publicado en una revista con revisión científica externa).