Un algoritmo de Aprendizaje Profundo (Deep Learning) analizó los datos recogidos por las alteraciones en la red WiFi junto a una respiración simulada por un maniquí de uso médico para comprenderlos y reconocer patrones que indicaban diferentes problemas respiratorios y fue capaz de identificar cuándo el «paciente» necesitaba ayuda. Este descubrimiento abre las puertas a soluciones de telemedicina y asistencia hospitalaria.
Utilizando la propia red WiFi como sensor
Los router Wi-Fi transmiten continuamente frecuencias de radio que sus teléfonos, tabletas y computadoras captan y usan para conectarse. A medida que las frecuencias invisibles viajan, rebotan o atraviesan todo lo que las rodea: las paredes, los muebles e incluso usted.
Tus movimientos, incluso la respiración, alteran ligeramente la ruta de la señal desde el enrutador hasta tu dispositivo.
Esas interacciones no interrumpen su conexión a Internet, pero podrían señalar cuando alguien está en problemas. NIST (Instituto Nacional de Estándares y Tecnología, EEUU) 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.
En 2020, los científicos del NIST querían ayudar a los médicos a combatir la pandemia de COVID-19. Los pacientes fueron aislados; los ventiladores eran escasos. Investigaciones anteriores habían explorado el uso de señales Wi-Fi para detectar personas o movimiento, pero estas configuraciones a menudo requerían dispositivos de detección personalizados, y los datos de estos estudios eran muy limitados.
“Mientras el mundo de todos se ponía patas arriba, varios de nosotros en el NIST estábamos pensando en qué podíamos hacer para ayudar”, dice Jason Coder, quien dirige la investigación del NIST en metrología de espectro compartido. “No tuvimos tiempo de desarrollar un nuevo dispositivo, entonces, ¿cómo podemos usar lo que ya tenemos?”

Jason Coder organiza un experimento en una cámara anecoica para usar Wi-Fi para detectar la respiración. El maniquí se utiliza para entrenar a profesionales médicos y simula varios escenarios de respiración. CréditoR. Jacobson/NIST
Nueva utilidad para los enrutadores WiFi estándar
Trabajando con colegas de la Oficina de Laboratorios de Ciencia e Ingeniería (OSEL) en el Centro de Dispositivos y Salud Radiológica de la FDA, 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 (Channel State Information), 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 debe ser. Pero a medida que las señales CSI viajan a través del entorno, se distorsionan al rebotar o perder fuerza. El punto de acceso analiza la cantidad de distorsión para ajustar y optimizar el enlace.
Estos flujos CSI son pequeños, menos de un kilobyte, por lo que no interfieren con el flujo de datos a través del canal.
El equipo modificó el firmware en el enrutador para solicitar estos flujos CSI con más frecuencia, hasta 10 veces por segundo, para obtener una imagen detallada de cómo estaba cambiando la señal.
Pruebas con un maniquí profesional de uso médico
Instalaron un maniquí que se utiliza para entrenar a profesionales médicos en una cámara anecoica con un enrutador y receptor Wi-Fi comercial estándar. Este maniquí está diseñado para replicar varias condiciones de respiración, 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.
Piense en cómo su pecho se mueve de manera diferente cuando respira con dificultad o tose, en comparación con la respiración normal. A medida que el maniquí “respiraba”, el movimiento de su pecho alteraba el camino recorrido por la señal de Wi-Fi. Los miembros del equipo registraron los datos proporcionados por los flujos de CSI. Aunque recopilaron una gran cantidad de datos, aún necesitaban ayuda para dar sentido a lo que habían recopilado.
“Aquí es donde podemos aprovechar el aprendizaje profundo”, dijo el investigador Coder.
El aprendizaje profundo es un subconjunto de la inteligencia artificial, un tipo de aprendizaje automático que imita la capacidad de los humanos para aprender de sus acciones pasadas y mejora la capacidad de la máquina para reconocer patrones y analizar nuevos datos.

Configuración para el experimento utilizando un enrutador Wi-Fi estándar y un dispositivo receptor. Usando estos dispositivos comerciales, el NIST y sus colaboradores de la FDA pudieron medir la «respiración» simulada del maniquí, diferenciando entre respiración normal y con problemas. CréditoS. Mosleh/NIST
Mosleh trabajó en un algoritmo de aprendizaje profundo para analizar 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.
“La mayor parte del trabajo que se ha hecho antes era trabajar con datos muy limitados”, dice Mosleh. «Pudimos recopilar datos con muchos escenarios respiratorios simulados, lo que contribuye a la diversidad del conjunto de entrenamiento que estaba disponible para el algoritmo».
Ha habido mucho interés en el uso de señales Wi-Fi para aplicaciones de detección, dice Coder. Él y Mosleh esperan que los desarrolladores de aplicaciones y software puedan usar el proceso presentado en el trabajo como marco para crear programas para monitorear la respiración de forma remota.
“Todas las formas en que recopilamos los datos se realizan en el software en el punto de acceso (en este caso, el enrutador), lo que podría hacerse mediante una aplicación en un teléfono”, dice Coder. “Este trabajo trata de exponer cómo alguien puede desarrollar y probar su propio algoritmo. Este es un marco para ayudarlos a obtener información relevante”.
Paper: Monitoring Respiratory Motion with Wi-Fi CSI: Characterizing performance and the BreatheSmart Algorithm. Susanna Mosleh, Jason B. Coder, Christopher G. Scully, Keith Forsyth, Mohamad Omar Al Kalaa. (Monitoreo del movimiento respiratorio con Wi-Fi CSI: caracterización del rendimiento y el algoritmo BreatheSmart.) Acceso IEEE. Publicado en línea el 15 de diciembre de 2022. DOI: 10.1109/ACCESS.2022.3230003
Otras noticias sobre usos alternativos de la red WiFi y otras tecnologías inalámbricas que te pueden interesar:
- Recolectar WiFi como fuente de alimentación de dispositivos
- Geoposicionamiento indoor por WiFi
- Nuevo sistema de navegación basado en LTE y WiFi
- Transmisión simultánea de 5G y energía: Electricidad y datos por aire
- Ventanas que mejoran la cobertura móvil en el tren
- Redes de teraherzios más allá del 5G
- Comunicación inalámbrica submarina más rápida con células solares
- Energía Solar wireless desde satélites en el espacio
- Modem 5G Industrial para IoT
- Internet de alta velocidad para emergencias
- Edge Cloud Computing en respuesta a las demandas de latencia, disponibilidad y capacidad